随着医学影像检查技术的飞速发展，计算机辅助诊断已经成为目前这个领域的一个研究热点和将来发展的主要趋势。开展计算机辅助诊断和智能化诊断研究一个重要的问题是如何实现医学图像上病变的计算机自动化检出，计算机自动化检出已经称为当前研究的热点和难点。　　 本文瞄准病变自动检测这个方向，以颅脑CT图像为研究对象，通过密切结合医学专业知识，首先对颅脑CT图像进行了各向异性平滑和灰度归一化，接着，对颅脑CT图像进行分割，分割出颅脑各个组织，并提取出灰度和纹理特征，然后，利用这些特征结合多Agent技术设计出一种多Agent模型对颅脑CT图像进行检索，最后，利用自适应高斯混合模型对颅脑病变进行分类识别。本文取得了具有一定意义的研究成果如下：　　 1.对图像进行完预处理和分割以后，针对病变检测的要求和颅脑CT图像的特点，对灰度直方图进行了改进，提出了灰度差值直方图的概念，实验证明该特征对颅脑病变的自动检测是十分有效的。　　 2.通过对多Agent的技术的研究，设计了一个医学图像检索的多Agent系统，实验证明该方法能够有效提高检索效率，并能够提高检索的智能程度。　　 3.对高斯混合模型进行了深入的研究，并提出了一种基于特征权重重新分配的自适应的高斯混合模型，实现了对颅脑CT图像的病变自动检测，实验证明该方法能够提高识别的准确率，并达到一个较高的准确率。