随着数字化成像设备,如,数字化CT、MRI、X射线、超声、PET等设备的高速发展,现在的医疗机构每天都要产生大量数字医学图像。大型医疗机构每年的数字图像数量呈指数级增长,对于高效的数字图像存储、管理工具的需求日益迫切。在使用传统的文本信息检索不能完全满足应用需求的情况下,基于内容的图像检索(Content-Based Image Retrieval, CBIR)技术越来越受到重视,也成为研究热点之一。本文在系统地分析基于内容的医学图像检索关键技术以及发展趋势的基础上,针对全局相似的医学图像检索方法进行研究,并取得了良好的效果。本文主要研究工作包括：(1)面向多部位的医学图像的全局相似检索。基于刚性配准的检索方法可以获得很高的准确性,但是耗时过长,难以实际应用。针对这个问题,本文提出使用梯度相位互信息以及图像重心,分别估计两幅匹配图像的角度偏差和平移偏差。实验表明,新算法具有与基于刚性配准的检索方法相同的准确性,同时计算耗时大幅缩短。(2)面向同一部位医学图像的相同解剖范围检索。提出融合先验知识的线性加权相似度组合方法。基于鲍威尔优化算法,根据先验知识,合理地排列不同类型特征的相似度。采用少量的数据训练鲍威尔算法,依次优化不同类型特征的相似度的组合权重。得到的组合相似度达到了良好的检索准确性,而且鲍威尔算法的寻优过程快速收敛。(3)面向多部位的医学图像的相同标注类检索。通过组合多种全局和局部特征相似度来提高检索性能。首先提出分段聚类构造码书的方法,在获得良好的检索准确性的同时大幅缩短了计算用时；然后组合大数量的相似度在多个公共数据集上进行实验,得出“和规则”的检索准确性总体优于“乘积规则”的实验结论,并辅以理论分析,对实际应用提供可靠的依据。(4)面向多部位的医学图像相同标注类检索结果的排序优化。引入排序支持向量机对检索结果进行优化。通过计算相似度与相似性之间的互信息来滤除冗余的相似度,并以互信息选择的相似度作为排序支持向量机的输入,进行排序优化。实验与分析表明,该方法大幅提高了医学图像检索的准确性,并且计算代价较小,适于实际应用。