医疗影像诊断是医学无创伤性诊断的主要方法之一，是国内外医学领域重点研究的方向。医疗图像具有很大的数据量。面向医疗图像的数据挖掘技术研究成为医学和计算机科学交叉学科研究的一个十分重要的领域。医疗图像的高分辨率、数据的海量性、图像特征表达的复杂性等特点，使得数据挖掘技术在医疗图像中的研究具有较大的学术价值和广泛的应用前景。目前，面向医疗图像的数据挖掘研究刚刚起步，现有的数据挖掘方法直接应用还存在许多问题。研究和探索适合于医疗图像趵数据挖掘方法及其算法等医疗图像数据挖掘的理论和实践问题具有重要而现实的意义，对辅助医生进行医疗图像临床诊断具有重要实用价值。　　 本论文介绍了基于数据挖掘与图像处理的医疗图像研究工作的相关研究成果，主要内容有：总结了国内外关于图像数据挖掘研究现状和发展，探讨了医疗图像的特点，提出了适合医疗图像数据挖掘的图像数据预处理技术。图像象素的灰度及其密度是表达医疗图像特征的主要内容，本章研究了医疗图像的灰度及其密度与人体组织器官的解剖语义关系，分析了医疗图像的成像原理和临床诊断要求。基于医疗图像数据挖掘的需求，本章综述了数据挖掘、非结构数据挖掘、图像数据挖掘的理论和方法，探讨了医疗图像数据挖掘的方法和途经，提出了基于医疗图像的数据挖掘的过程框架。从聚类分析的角度出发，深入研究了医疗图像数据的核密度函数、数据分箱问题和基于数据分箱策略的近似核密度构造方法。在此基础上，研究并提出了适用于医疗图像数据的基于医疗图像近似密度构造的聚类特征提取算法及其实现。根据这个算法，可以为基于医疗图像聚类的组织器官分类及其自动分割提供有效的方法和技术。从图像处理的角度出发，深入研究了采用“水平集”方法对医疗图像进行分割。给出了一种结合Fast Marching方法和Watershed变换的医疗图像分割方法。本章先用各向异性滤波对图像进行平滑，以增强图像边缘并滤去噪声；然后用Watershed变换对平滑后的图像进行过度分割，利用过度分割后小区域之间的统计特性相似度，重新定义Fast Marching方法的速度函数，以代替以前Fast Marching方法仅仅依靠梯度信息的速度函数。　　 鉴于人体头部医疗图像的数据挖掘研究是一个全新领域，人体头部影像是医疗图像中最有代表性的部分，解决好头部影像问题对整个医疗图像都具有适用价值。本章所提出的基于FCM聚类特征提取与粗糙集算法及其实现、基于“水平集”方法等创新性研究成果，对医疗图像数据挖掘研究、临床医疗图像的自动诊断和临床医学早期诊断都具有重要意义。