随着医学数字化影像设备在临床工作中日益广泛应用，电子病历和图像归档与通信系统方面的技术不断发展，临床上每天都会产生大量医学图像数据。如何有效地组织、管理和检索医学图像是当前迫切需要解决的问题。传统的基于文本方式的数据库管理方式已经渐渐无法满足大规模医学图像数据库的检索需要，为此基于内容的图像检索(CBIR，Content-based Image Retrieval)技术成为近年来该领域中的研究热点。本文概述了CBIR在医学图像中的应用，并分析总结了现有基于内容的图像检索的关键技术，包括特征提取、相似度计算和检索性能的评价几方面。本文主要研究内容如下：1．利用了图像局部的熵和区域生长的方法，对超声医学图像进行预处理，能够很好的滤除扇阵超声图像周围的一些文字信息，从而使检索不受到周围文字信息的影响。2．实现了分别利用全局直方图、分块直方图、带状颜色相关图、Legendre矩、分块Legendre矩等颜色特征和灰度共生矩阵、Harr小波和Gabor小波等纹理特征对超声医学图像进行检索，并利用实验对比了各种特征的性能。3．在分析各种特征检索结果的基础上，提出了一种新的检索方式——分级检索，即先用纹理特征排除一部分数据库中的图像，再利用颜色特征进行检索。4．提出了利用超声图像近远场灰度比的特征，针对重度超声医学脂肪肝图像的检索方法。5．初步搭建了基于内容的超声医学图像检索实验性系统平台，而且能够满足后续开发的需要，能够容易的扩展平台的功能，比如增加新的图像特征以及新特征的相似度计算方法。经过对图像数据库的实验得到，利用直方图方法检索的有效率为75.2％，利用带状颜色相关图方法检索的有效率为70.4％，利用正交Legendre矩方法检索的有效率为77.2％，利用分块直方图方法检索的有效率为78.3％，利用分块正交Legendre矩方法检索的有效率为79.8％，利用灰度共生矩阵方法检索的有效率为60.1％，利用哈尔小波方法检索的有效率为64.6％，利用Gabor小波方法检索的有效率为68.2％，利用分级检索方法的有效率为83.2％。结果表明在颜色特征中分块Legendre矩的方法得到的效果相对较好；在纹理特征中Gabor小波的方法相对较好；因此利用这两种方法进行分级检索同样得到的结果好于加权平均检索方法，结果也较为满意。