医学影像数据所呈现的爆炸式增长及数据挖掘等技术的迅速发展,对医学图像检索技术提出了新的需求。但是,传统的图像检索技术应用到医学图像检索当中,其表现却总是不尽如人意。为了能更好地将图像检索技术应用到辅助诊断、医学教学实践、医疗科研等领域中,本文对图像检索技术及医学图像的特点进行了一定的研究,并在此基础上提出了相关改进方案。本文首先对图像检索技术发展过程中的关键技术及数字化医学影像的特点进行了研究,在分析了国内外关于图像检索技术的研究现状之后,将研究的重点放在了基于内容的图像检索技术之上。在对基于内容的图像检索系统中图像特征提取、特征匹配、相关反馈及检索性能评价的深入研究的基础上,提出了针对医学图像这一具体领域的图像检索技术的应用。通过对比常用的颜色特征及纹理特征在医学图像检索中的表现,得出了纹理特征更利于医学图像检索的结论。结合医学图像分割水平的局限性及医学图像自身的特点,选用了灰度共生矩阵作为医学图像检索的全局纹理特征,并在此基础上,提出了对灰度共生矩阵的改进方案——基于加权子图的灰度共生矩阵WS-GLCM。结合局部不变性特征SIFT在医学图像检索中的表现,本文将其作为医学图像检索的局部特征。在基于对BOW(Bag Of Words)模型的研究的基础上,进一步将WS-GLCM与SIFT特征相结合,提出了两种改进方案,即带全局纹理上下文的SIFT特征和带局部纹理特征上下文的SIFT特征。针对现有的基于支持向量机(Support Vector Machine)的相关反馈技术在医学图像检索中的局限性,本文在对SVM分类器及bagging组合分类器算法的研究的基础之上,提出了新的相关反馈技术的改进方案,有效地解决了人工反馈模块中所出现的训练样本不足,及SVM分类器对医学图像分类的准确率偏低的问题。最后,本文对医学图像检索技术在辅助诊断、医学教学实践及医学科研等领域的应用做了简要的论述。针对当下医疗信息数据及医疗影像数据的存储及使用现状,及机器学习技术、云计算等技术的迅速发展,提出了医学图像检索技术的主要发展方向,并对从海量的医学数据中挖掘出巨大的医学价值,以更好地促进医疗水平的提升做出了美好的展望。