随着时代的进步和科技的发展,基础医疗设施日趋完善,基于图像的临床医疗技术得到了广泛应用。由此产生的海量医学影像的有效管理和应用已经成为当前跨学科领域的一大难题。医学影像检索通过快速有效地检索相似病例,为医生提供有效参考,有助于后期诊断和治疗,并能帮助新入职的放射科医生和实习生快速掌握医学影像的特点及诊断经验。乳腺X线图像为乳腺癌筛查的重要依据,但乳腺肿块等病变形态各异,人体乳腺密度差异巨大,为乳腺X线图像分析和检索带来了巨大的挑战。本文以乳腺X线图像中的感兴趣区域为研究对象,基于词汇化影像细节的词汇树,深入研究了基于深度语义模型的医学影像检索方法,主要工作如下:首先,分别从空间和语义信息的角度出发,分析了空间信息和语义信息对乳腺图像检索的影响和作用,分别提出了基于空间优化和语义优化的深度语义树检索方法,通过自适应优化卷积层的空间或语义特征图,有效去除卷积层特征在空间和语义上的冗余,设计自适应节点分布的权重,构建了更为精简高效的深度语义树,有效提升了检索的准确率。在此基础上,为了有效融合两种深度语义树的优点,提出了基于空间-语义双重优化的深度语义树模型,对于每个深度语义树,在查询图像和数据库图像之间建立互近邻图模型,根据Jaccard系数、相似度得分等自适应获得各权重参数,最终将两个图模型进行融合,进一步优化检索性能。最后,为了进一步挖掘深度特征之间的内在联系,提出了基于语义微森林模型的检索方法,通过构建不同层级的多棵语义树,形成具有深层监督机制的语义微森林模型,以前一层深度语义树的结构为监督构建下一层深度语义树,迭代往复,并在检索过程中不断融合微森林模型中所有语义树的检索结果,进一步提高了检索精度。实验结果表明,本文提出的基于深度语义树及微森林模型的检索方法能够有效表征图像语义,挖掘图像的深度特征之间的内在关系,具有较高的检索和分类性能,为医学影像检索提供了有效的技术基础。