数据挖掘,是从大量原始数据中提取知识的过程.由于它在现实生活中具有广泛的应用背景,数据挖掘领域研究现已取得了很大进展.多媒体数据作为数据的一个重要组成部分,目前正日益进入人们的日常生活,因此多媒体数据挖掘领域也越发受到重视.图像挖掘是多媒体挖掘领域的重要分支,它可以自动地从大量图像中发现隐含的知识或者模式.然而,已有的数据挖掘算法大多针对的是传统的关系数据库,不能直接应用于图像数据,这促使人们设计新的挖掘算法来适应图像数据挖掘.医学图像是图像应用的一个重要领域,实际应用中迫切需要通过图像挖掘技术,获得隐含知识来辅助医生进行诊断分析.本文提出了一系列脑部医学图像挖掘算法.重点研究了三种知识类型的挖掘,包括关联规则模式、分类模式和聚类模式.并提出了四个挖掘算法来解决在脑部医学图像中挖掘这些知识的问题.此外,还给出了一个图像预处理算法.首先,设计并实现了两个关联规则挖掘算法:一个是基于图像整体特征的关联规则挖掘算法,并给出了两个可以较好描述图像特性的特征定义;另一个是基于对象的关联规则挖掘算法,其中还提出了支持从不同粒度层面上,挖掘关联规则的数据组织方式:三级粒度数据表结构.在此结构的数据表上进行关联规则挖掘,可以获得三级不同粒度上的强关联规则.体现了关联规则挖掘层层深入的特点.其次,提出了一个组合式分类算法.该算法结合了关联分类和神经网络分类的优点.算法的分类模型由一个关联分类子模型和一个神经网络分类子模型构成.并给出了一个用于分支选择的判定规则,很好地把关联分类和神经网络分类组合成一体.最后,给出了一个基于对象的聚类算法.该算法以层次聚类为基础,采用了两级聚类策略.第一次,是对ROI对象聚类,得到ROI的聚类集合;第二次,是对图像对象聚类,获得最终的图像聚类结果.此外,文中还给出了一个图像预处理算法.可以较好地对脑部CT图像进行对象提取,实验结果表明该图像预处理算法准确、有效.