医学图像聚类是医学图像识别的关键技术之一，在医学临床诊断中扮演着越来越重要的角色。目前的医学图像聚类算法尚不能完全满足医学图像分析的理解和要求，因而对它的研究具有很大的学术价值和应用前景。本文试图研究适合于医学图像识别的基于t混合模型的医学图像聚类方法及其算法。　　 本文结合科研项目“基于密度函数的医学图像有效特征表达及其提取方法研究”，构造出医学图像的t混合模型，提出了基于EM参数估计方法的医学图像t混合模型聚类算法及其改进。主要工作体现在以下几个方面：　　 (1)有限混合模型聚类是一种基于数据分布符合某种潜在规律的聚类方法，论文详细阐述了其定义、模型选择和参数估计。根据医学图像的数据特点，提出基于t混合模型的医学图像数据分布描述方法。　　 (2)分量数选择的恰当与否决定着模型的复杂度，选择一个合适的分量数，让模型有一个合适的复杂度，且能够较好地反映数据分布的规律。论文从现有分量数准则函数出发，提出一种改进了的适合于确定医学图像数据分量数的准则函数—IBIC准则函数。　　 (3)EM算法估计t混合模型的参数必须由给定的初始值开始。论文提出将遗传算法与k—均值算法相结合，以此克服t混合模型参数对初始值敏感的问题。实验证明，改进的初始化算法对医学图像能够产生更好的聚类效果。　　 (4)论文深入研究了医学图像的聚类算法，将t混合模型应用于医学图像的聚类分析，提出医学图像的t混合模型的聚类系统。