随着多媒体和网络技术的飞速发展,包括图像在内的各种多媒体数据的数量正以惊人的速度增长.在信息数字化技术给人们带来方便的同时,如何针对这些杂乱无序的资源进行分析、组织、存储和检索有用的信息成为人们必须面对的一个严峻问题.基于内容的图像检索(CBIR)技术正日益受到大家的重视,并在近年来取得了较快的发展.该文主要针对基于内容的医学图像分析与检索的关键技术展开研究,试图对临床诊断和医学研究有所贡献.该文首先全面分析了目前基于内容的图像分析和检索的各种技术,重点讨论了图像内容的分析和表示方法,同时介绍图像检索的一些共性技术以及其他一些相关的研究方向,为该文研究工作的开展奠定了基础.然后,该文给出了一种基于C/S模型的医学图像检索系统框架——MISS(MedImageSeek System),阐述了医学图像数据库的设计过程以及整个系统的构建.针对CT/MRI和细胞图像各自的特点进行处理分析,选择并提取了一系列特征,完成了图像及特征的入库.为了减少响应时间,在查询中不必顺序遍历数据库,文中又采用了自组织神经网络实现了对图像的自动分类,使得检索可以在分类后的数据库中进行.在图像匹配方面,初步建立了图像检索相似特征匹配算法.为了进一步提高检索系统的性能,该文还建立了以用户为中心的检索反馈机制,采用了特征方差和RBF神经网络两种方法.系统可以根据用户的反馈信息,动态调整查询特征向量、分配特征权重和学习相似度量来优化查询结果.相关反馈方法的运用能更好地理解用户的实际查询意图,使结果符合用户主观需求.检索结果的性能评估数据说明了方法的有效性.