随着数字化影像设备在医学领域中日益广泛的应用,医院每天都要产生大量的数字图像。如何有效地进行数字图像的管理,是实现计算机辅助诊断,达到“无纸化、无胶片化”的信息化医院的关键。基于内容的图像检索(Content-Based Image Retrieval, CBIR)是实现数字图像管理的重要途径。CBIR是目前计算机图像研究的热点,不同于传统的文本检索,它将图像的内容有效地结合到图像检索系统中,对于医学图像的管理将起到极其重要的作用。在CBIR系统中,图像内容通常由图像的底层特征来表示,然而图像的底层特征和高层语义之间往往存在较大的语义鸿沟,仅仅根据图像底层特征得到的检索结果很难满足用户的要求。于是近年来人们将相关反馈机制引入到CBIR中。相关反馈技术对于基于内容的图像检索至关重要,系统可以通过用户的相关反馈来达到减小语义鸿沟的目的。本文在研究相关反馈的基础上,提出了一种基于SVM的CBIR相关反馈方法。首先在分析了传统SVM相关反馈算法存在的不足后,引入了主动学习机制,提出了新的采样算法；同时通过分析用户的反馈模式,提出了改进的相关程度判断模式；然后结合改进的相关程度判断模式,提出了Bsoft SVM (Best soft SVM)分类算法,通过引入软标记标注不确定样本,使SVM决策平面尽量偏向不确定数据,从而尽可能减小结构风险,加速分类器的收敛速度。通过大量对比实验,证明了本文提出的算法相对于传统SVM算法有更高的检索效率。最后设计实现了一个基于SVM的医学图像相关反馈检索系统,验证了本文提出的算法对CBIR的有效性。