随着社会的飞速发展和医学现代化的不断普及,医学数字化影像设备如计算机断层扫描(CT)、核磁共振(MRI)等在临床工作和辅助诊断上得以日益广泛的应用,并取得了显著的效果。在临床诊断方面,医生通过找到与患者病变图像相似的医学图像,参考以往对该相似图像的诊断经验,可以更快更准确的对患者做出诊断。基于内容的图像检索是目前使用最多的图像检索技术,它通过提取图像的视觉内容特征,将图像之间的相似性度量转为对图像特征之间的相似性度量。然而,医学图像有着特殊性:首先,医学本体一般具有复杂的属性,往往很难对其进行发现和描述;其次医学图像具有很强的语义信息,图像的内容特征与语义特征之间往往具有很大的“语义鸿沟”;最后,医学图像检索需要很高的检索精度。因而,一般的图像检索方法并不能直接用于医学图像。针对医学图像的特殊性,为提高医学图像相似性检索效果,本文首先提出一种基于多模态特征融合的医学图像检索方法,该部分针对医生在大脑CT图像诊断过程中对于病变位置和病变类型的关注,将图像的病变位置和病变类型作为两个模态。图像之间的相似度可由图像在不同模态下的相似度加权得到,其中加权权值由基于属性选择度量中的信息增益自适应得到。实验结果表明:采用多模态特征融合的医学图像检索方法准确率优于单一特征检索方法,且运行效率较高。另外,本文在多模态特征融合的基础上提出一种基于马尔可夫随机场的医学图像检索方法。该方法通过对医学图像构建马尔可夫随机场,可以实现在检索过程中不仅考虑检索图像与图像库图像之间的相似关系,而且可以同时考虑到图像库图像之间的相似关系。其中,针对不同的图像库采用不同的马尔可夫随机场构建方法,且构建过程基于多模态特征融合相似来完成。实验结果表明:采用基于马尔可夫随机场的医学图像检索方法能提高检索准确率且具有较好的效率。