随着现代医学影像技术的发展,医学图像在疾病的诊断与治疗过程中起着越来越重要的作用,疾病的影像表现已成为判断疾病的关键依据。医院每天要产生大量的影像数据,医学图像不仅可以作为医生临床诊断、病情跟踪、预后研究、鉴别诊断的重要客观依据,同时,在帮助未确诊临床图像进行诊断中,具有重要的参考价值。如若能从已确诊的图像库中,找出与未确诊图像具有相同病理特征的相似医学图像,将会大大提高临床论断的可靠性。为此,图像检索技术被应用到医学领域。由于医学图像的特殊性,如何将图像检索技术与医学图像有机地结合,为医生提供便捷准确地检索图像手段,并为其诊断提供辅助的建议,成为科研人员待解决的问题。我们的研究工作是在国家自然科学基金重点项目(No：30730036)下展开的,本文主要探讨了包含多种模态,三种疾病的脑部图像检索系统的设计方法,系统主要针对于同种疾病的检索,而非全局内容相似的医学图像,目的在于检索出具有相同病理特征的图像,辅助医生做出诊断。同时,重点研究了检索系统中的两个重要环节：脑部图像的细分类及脑部疾病区域的自动定位方法。脑部图像的细分类是用于对库中图像和查询图像进行分类,查询图像只在某些类别的图像中进行检索,从而,达到缩小检索空间,提高速度的目的。脑部疾病区域的自动定位,是应用于检索系统中的适用于大部分图像的自动分割疾病的方法,尽量节省医生的手工劳动。以下是本文的工作内容：提出了基于支持向量机的脑部MR图像细分类方法用于检索中(第三章)将MR,T1加权的脑部图像根据组织形状解剖结构内容的变化从颅顶到颅底细分为14个类,首先,选定训练样本集和测试样本集,对图像作去噪,去除背景处理。采用纹理与形状特征相结合的方式表达图像,应用StARMiner算法对特征进行选择和计算特征加权系数,用支持向量机理论训练分类器,对脑部图像进行精细分类。经反复实验优化各参数,以粗略分类率方式应用于检索中。细分类可应用于特定人体部位图像的检索系统,以检索出更精确的图像,并且缩小检索空间,提高检索效率。2.提出一种自动定位及分割脑部图像病灶区域的方法(第四章)首先采用霍特林变换,找到脑部图像的对称轴,将图像旋转至垂直位置。依据脑部图像的对称性质,通过测量病变区域造成的不对称度,自动定位病灶区域,然后对定位的病灶区域进行分割,可以准确地得到病灶区域的边界。该方法速度快,且不需要模板图像,克服了基于配准的分割方法的实时性差及没有完全匹配的正常模板图像的缺点。最后通过不同模态和疾病的图像验证了该方法的有效性。3.多模态多疾病脑部图像检索系统的设计(第五章)设计了一个多模态影像脑部疾病检索系统。首先,建立DICOM图像信息库和图像特征库,库中包含脑出血、脑膜瘤、垂体瘤三种疾病,CT、MR两种模态的脑部图像数据。分别设计了自动与半自动提取颅内组织,自动与半自动病灶区域定位方法,自动提取全局与局部特征,建立了一个检索用户界面。在特征相似性比较之前,用查询图像的部位、模态、方位信息,从库中选出符合条件的子库,将查询图像与子库中的图像进行特征相似度比较,最后返回检索图像,用查准率、查全率曲线评价检索系统。