CBIR是一种从图像本身出发，通过提取图像的低层视觉特征来检索出相似性图像的方法，在医学图像检索领域得到了广泛的应用。但医学图像具有难以识别、分类准确度要求高等特点，导致医生诊断医学图像难度增加，所以目前对医学图像库的研究关键是如何快速准确的对医学图像进行分类识别。本文在介绍CBIR中常用的低层视觉特征、相关反馈方法和性能评价标准的基础上，研究了基于纹理特征和BP神经网络技术进行医学图像分类与检索的方法。本文的主要工作和创新如下：(1)在总结常用纹理特征描述方法的基础上，针对两种纹理谱描述符LBP和CS-LBP所存在的问题，提出了一种改进的LBP纹理特征提取算法，进一步考虑了中心像素对局部纹理模式的影响。实验表明，该算法在对纹理图像和医学图像的检索过程中都有较好的检索性能。(2)在介绍BP神经网络分类器和传统的BP算法的基础上，引入了一种基于附加动量项和自适应调节学习率算法相结合的算法。实验结果证明，该算法对医学图像具有更好的分类识别能力。(3)基于改进的纹理谱描述符及改进的BP算法，实现了对医学图像的分类，从而缩小在图像库中查找的范围。实验表明，与直接采用纹理特征进行图像检索相比，该方法在分好的类中查找相关图像，提高了检索的效率。