本文对医学图像语义标注的关键技术和算法进行了深入地研究;设计实现了医学图像语义标注检索系统的框架与结构;从医学图像内容本身和关联文本信息中挖掘语义信息,为医生提供医学图像语义自动标注和检索服务。作为国家自然科学基金资助课题“基于医学图像的数据挖掘技术研究(60372072)”的一部分,本文主要研究工作如下:(1)基于特征选择的医学图像分类标注。本文利用互信息(MI)及其改进的MI贪婪最优化算法实现医学图像的特征选择;实现了基于MI特征选择的支持向量机组(SVMs)分类标注,从而建立医学图像低层视觉特征到高层语义特征之间的映射关系;解决了医学图像语义标注中“语义鸿沟”问题和全部特征参与分类计算量大的问题。实验表明,基于MI特征选择的SVMs分类标注方法应用于医学图像分类标注中,取得了较好的效果。(2)基于混合模型的医学图像语义标注。本文提出的基于混合模型的医学图像语义标注,综合了基于MI特征选择的SVMs分类标注、基于训练集词汇互相关性的标注改善和基于中文一体化医学语言系统(CUMLS)的图像语义提取方法。该模型框架利用了每种算法的优良之处,提升了医学图像语义标注的准确性。同时,本文给出了基于训练集词汇互相关性的标注改善实现算法;提出了基于CUMLS的医学图像语义提取方法,从医学图像相关文本信息中提取语义。(3)医学图像视觉特征提取技术。本文实现了改进的中值滤波算法和粗糙集增强算法;分析并实现了基于Canny算子、区域不变矩和灰度共生矩阵的特征提取。(4)语义标注检索模型的设计与实现。根据所设计的医学图像语义标注系统的框架与结构,在调研医院的医学图像数据信息化需求基础之上,完成了医学图像语义标注检索系统研发。为医生提供医学图像语义自动标注和检索服务。