随着电子计算机断层摄影、核磁共振成像技术等医学成像技术的产生和发展,人们获得了越来越多可供临床诊断的医学图像,如何有效地利用计算机技术对其进行分类已成为国内外许多学者研究的一个热点问题。另外,在现实环境中,许多医院的医学图像数据是分散存放的,它们之间除了通过网络传递信息外,其它资源全部独立。因此,研究并提出适合于分布式医学图像的分类方法具有较高的学术价值和广泛的应用前景。论文讨论了分布式医学图像分类挖掘的背景、意义和国内外研究状况。针对医学图像存放的特点及分布式医学图像分类挖掘的实际应用要求,提出了解决分布式医学图像分类的方法。对现有决策树算法存在的问题,提出基于SLIQ的改进算法DMI_SLIQ,较好地解决了分布式分类挖掘问题,初步建立了基于SLIQ的分布式医学图像分类框架。论文从理论、算法和应用三个方面对分布式医学图像分类方法进行了研究,主要工作包括:1、本文将分类技术与数字图像处理技术有机结合,研究了分布式医学图像的主要分类方法,并给出了本文实验所用到的医学图像特征。2、针对SLIQ算法的缺点,提出了DMI_SLIQ算法,从而解决了SLIQ算法搜索空间巨大,耗时多等问题。3、设计并实现了一个分布式协调器算法,用来初始化和管理Agent的分类活动,管理和控制事务的运行。4、针对医学图像分布式存放的特点,提出了一个适用于分布式医学图像分类的框架。该框架包括:表示层、处理层、采掘层。5、实现了分布式医学图像分类实验系统—DMIDM,在系统中实现了本文提出的分布式协调器任务调度算法、全局模型规则生成算法。