医学图像处理是医学影像与计算机科学相交叉的新兴研究领域，通过对原始采集的医学断层数据进行图像处理、可视化，最大程度地挖掘数据的信息。医学图像处理对医学病理研究、诊断、医学教学都有着重要的现实意义。但是，医学图像处理系统具有开发周期长、设计难度大、专用性强的特点，这使得商业医学图像处理系统价格昂贵，而研究型的医学图像处理系统大部分着重于算法研究，难以快速投入实际应用。目前存在的部分医学图像处理开发包，虽然在一定程度上降低了医学图像处理系统的开发难度，但是这些开发包不能针对医学图像处理应用提供高级接口功能。　　 本文以软件工程设计作为理论依据，对现有医学图像处理系统进行抽象得到医学图像处理软件的框架，重点研究医学图像处理系统的数据管理和可视化，并采用Python脚本语言设计了一个基于Python的医学图像处理框架，Jolly。　　 全文通过分析主流医学图像处理系统，采用FileMon工具分析这些系统的数据组织和用户交互。结果表明，主流医学图像处理系统一般能够支持多种不同的数据类型，用户交互遵循医学影像设备约定，操作控制主要以控制面板的方式，而不是传统的菜单与工具栏。　　 根据上述分析，进一步使用软件工程传统的结构化分析与设计方法对医学图像处理系统的业务流程分析，推导出一般医学图像处理系统的数据流程图、数据类型与模块结构图。得出如下分析结果：　　 1.医学图像处理系统包含三种数据类型、栅格数据类型、几何数据类型和网格数据类型。　　 2.医学图像处理系统应该包含数据导入、数据导出、图像处理和可视化模块。　　 针对结构化分析与设计的结果，借鉴vtkInria3D的设计思想，本文提出一个基于Python医学图像处理系统框架的总体设计。各模块依赖于底层医学图像处理开发包，又高于这些开发包，向应用层提供基本的功能。　　 数据管理模块使用树状式的数据结构，统一对三种数据类型进行层次管理。可视化管理模块以控件方式，对可视化不同视图提供同步显示。图像处理模块提供图像类型的统一描述和转换以支持主流不同图像处理开发包的粘合。　　 最后给出使用Jolly实现的两个应用程序：水平集分割程序和体积测量程序。应用实例表明Jolly在支持快速开发医学图像处理系统中具有优势，可以作为开发医学图像处理系统的一个选择。