医学图像具有灰度分辨率高、图像相似性大,类别多等特性。在大量医学影像中高效准确地检索到所需图像依然是个挑战,当前的基于内容的医学图像检索(CBMIR)系统依然存在着检索精度低,检索效果不理想的问题。为了更好地提升医学图像检索性能,本文提出了注意力网络结合聚类网络的医学图像检索模型,主要思想是将设计的多尺度注意力卷积神经网络提取的特征通过聚类层赋予聚类特性,然后将该特征用于图像检索。相关实验研究是基于IRMA医学图像数据集上,本课题主要完成了以下任务:(1)相关算法研究。简单地介绍了医学图像检索相关背景,分析了卷积神经网络原理与应用,对医学图像检索的几个关键技术进行了详细的研究。(2)提出方案。通过研究神经网络的机制,提出了一种基于注意力的网络结构。该方案利用设计的注意力网络算法提取特征,然后通过提出的CenterVLAD层进行特征聚类特征得到最终具有鲁棒性的医学图像特征用于检索。实验结果表明该方案能够有效用于图像检索,在实验数据集上的mAP达到0.79。(3)检索系统设计与实现。本课题基于PyQT5+MySQL自主开发了一套医学图像检索系统。该系统集成了所提出的算法和其他主要检索算法,主要实现了图像预处理,图像检索,图像查看相关功能。本系统能方便辅助医生检索相似病例图像。