近年来，B型心脏超声图像作为临床心脏疾病诊断的一项常用手段，受到了国内外医务人员、医疗设备制造商和研究人员的广泛关注。多年来积累的心脏超声图像和病例信息是珍贵的医学资料，而B型心脏超声图像的分类与检索是作为医疗器械的重要功能，在临床诊断、医学超声培训和疾病信息统计等方面具有很大的使用价值。目前，国内医疗设备产商核心技术较多地依赖于进口，自主研发出B型心脏超声图像的分类与检索技术及其配套设备，有助于有提高我国医疗设备产商和服务商的市场竞争力。　　B型心脏超声图像上的一个用户需求是通过图像搜索相似图像或通过图像搜索出对应的病例信息，因此需要对大规模图像数据进行分类组织并研究出一种适合B型心脏超声图像特点的快速检索技术。分类与检索的准确率与提取的图像特征好坏密切相关，而检索的速度与索引等技术密切相关。通过以在自然图像上取得较好效果的分类与检索技术应用到B型心脏超声图像上为思路，首先分析了B型心脏超声图像的独特之处，并提取图像的传统底层特征和深度学习特征，实验对比了基于Haar特征的OpenCV中级联分类器和基于深度学习特征的softmax分类器，并以卷积神经网络作为分类与检索的特征提取方法。然后重点分析了高维空间中的压缩编码及快速检索技术，提出了一种新的基于向量量化的近似最近邻搜索技术，在标准数据集上与最国内外最先进的算法进行了比对并取得了更好的准确率。最后分析了分类与检索的联系，并实现了分类与检索技术在B型心脏超声图像上的应用。