随着医学领域影像数字化进程的推进，医学影像成像技术和设备不断发展，数字医学影像已日益成为现代医疗最重要的基础手段之一。每天都会有大量包含生理、病理相关信息的医学图像产生，这些图像和信息对于临床诊疗、医学研究等活动具有举足轻重的作用。因此，针对海量医学图像进行快捷有效的检索筛选和保存管理技术相关研究工作逐渐成为研究热点，备受关注。图像的传统检索方式是以文本注释为基础的，即关键字索引，这样的检索方式优点是快速准确，但缺点是标注工作量太大，不仅如此，特别对于医学图像，标注的主观性和准确性更是不便于统一和标准化的关键问题。为解决此问题，随之出现了基于内容的医学图像检索技术(Content BasedMedical Image Retrieval，CBMIR)，该技术是以基于内容的图像检索(ContentBased Image Retrieval，CBIR)为技术原型，结合医学图像自身特点改进而成。它以医学图像的灰度、纹理、形状等底层物理特征构成特征向量，并选择适当的特征匹配或度量算法完成目标图像与数据库图像的检索匹配工作。检索的目的是对用户呈现出特征集上最接近目标图像的最大相似集合，并按照相似性降序排列显示。本文在对检索过程关键环节全面分析之后，针对医学数字图像，提出了一种将动态权重调整与加权马氏距离相结合的相关反馈方法。方法首先将灰度共生矩阵的五个特征算法与tamura的两个纹理特征算法结合起来，构成特征更加丰富的综合特征向量集。然后利用改进的加权马氏距离算法作为匹配算法，然后建立相关反馈机制，利用用户简单反馈信息对综合特征的权重做自适应的调整，从而修改检索策略，通过有限次调整，使检索结果更好地满足用户需求。本课题的编程语言为C++，开发平台为VS2005，数据库为Sql Server2005，辅助工具包为OpenCV和ITK。实验表明，该方法有效地提高了反馈检索的执行效率，使查全率和查准率都有明显提升。