随着医学数字化影像设备如CT、MRI、PET-CT等在临床工作中日益广泛的应用，临床上每天都会产生大量的医学图像数据。而如何对大量的图像数据进行管理并合理的应用于临床诊断过程也就成为当前迫切需要解决的问题。传统的医学档案管理系统采用简单的基于标注的图像数据库甚至完全人工的方法来管理图像数据，这种方式已经渐渐无法满足大规模医学图像数据库的检索需求，严重影响了图像在诊断过程中发挥的作用。为此，基于内容的医学图像检索技术CBMIR(Content-based Medical Image Retrieval)应运而生。基于内容的医学图像检索是基于内容的图像检索技术在医学领域中的应用。如何将图像检索技术与医学图像有机地结合，为医师提供便捷准确的检索图像的手段，并为其诊断提供辅助的建议，是本文的主要研究目标。本文在系统研究了基于内容的图像检索技术以及医学成像原理的基础上，分析了该技术应用于临床医学的需求和实例，从面向临床诊断应用的需求出发，设计了一个基于内容的医学图像检索实验系统。以检索脑内出血病变为例，应用大量的颅脑CT图像实现了本文提出的基于局部颜色空间特征的检索方法、基于傅立叶描述符的形状特征检索算法、基于感兴趣区域特征的检索方法。实验结果表明基于局部颜色空间特征的检索方法对器官组织与病变部位灰度值差异较大的图像具有较高的查准率；基于傅立叶描述符的形状特征检索算法具有较好的平移不变性、尺度不变性和旋转不变性；在基于感兴趣区域ROI(Region of Interest)特征的检索方法中，由于采用了累积直方图特征向量，所以能够较为准确的反映医学图像ROI中的病灶分布信息，从而提高了检索的准确性、鲁棒性、全面性和高效性。