随着图像等多媒体资源的日益丰富，基于关键字和描述文本的传统检索方式已不能再满足检索需求，有效地管理海量数据资源的需求变得日益迫切。基于内容的图像检索技术于是应运而生。 基于内容的图像检索(CBIR，Content-BasedImageRetrieval)是从图像本身的内容出发，由计算机提取图像本身所包含的颜色、纹理、形状等信息，通过检索这些信息对图像数据库进行检索，以满足用户对大量图像的检索要求。 医疗PACS(PictureArchivingandCommunicationSystem)系统即图像存储与通信系统，是医院用于管理医疗设备如CT、MR等产生的医学图像的信息系统。它的出现使医学影像的管理更加规范，也使医学诊断和医学研究得到更为广泛和方便的支持。 本文主要研究了基于内容的图像检索技术，并把它应用于医疗PACS系统的图像检索实践中。 本文首先从医疗PACS系统的结构和功能出发，在介绍医疗PACS系统的同时，对DICOM(DigitalImagingandCommunicationinMedicine)即医学数字图像存储与通信标准进行了相应的介绍；然后介绍了相关的医学图像预处理的方法，为后面的图像检索奠定了基础；之后对适合于医疗图像的检索方法进行了详尽的论述。分别从颜色、纹理、形状这三种图像基本的特征入手对医学图像检索进行了研究。颜色特征是图像最为明显的特征，在对图像颜色特征的研究中，提出了将灰度图像和彩色图像分开进行检索的策略，在具体的颜色特征检索算法中综合应用不同的颜色特征值进行加权检索，通过这样的策略和算法可以使检索的性能在一定程度有所提升。纹理特征是图像中一个重要而又难于描述的特征，通常采用统计、结构以及频谱方法进行分析。灰度共生矩阵法是一种有效的统计方法，本文实现了从灰度共生矩阵抽取统计特征来进行基于纹理的检索。基于图像内物体形状的检索是基于内容检索当中最具挑战性的问题之一，因为寻找符合人眼感知特性的形状特征并不是一件简单的工作。对于医疗图像，这一点更为明显。对于形状特征的检索，比较好的方法是对医疗图像进行粗分类之后再根据其类型特点对其进行形状特征的提取及检索，由于本文针对的是一般的医疗图像，因此本文对基于形状特征的检索只进行了理论上的介绍而没有进行相应实现。 以上的算法改进都在一定程度上提高了检索系统的性能。最后，以本文的算法为基础实现了一个基于内容的图像检索实验系统，对于实验系统的测试和实验也证明了本文提出的算法能够较好对医疗图像进行有效的检索。 在本文的最后，提出了对基于内容的图像检索在医疗图像应用的展望和下一步研究的方向。