随着计算机技术和医学影像技术的不断发展，医学影像已经成为医生进行病情分析诊断的重要依据。现代化的医院每天都要产生大量的医学影像数据，如何能在这些海量的数据中快速准确地找到特定的图像，是目前医生要面临的亟待解决的问题。本文在分析总结多种图像检索算法的基础上，结合基于语义的图像检索技术和医学影像的专业领域知识，设计并实现了面向肺部CT影像表征语义关键词的医学图像检索系统。本文对图像检索技术的发展历史进行了简要的回顾，对国内外基于语义的医学图像检索的研究现状进行了总结和分析，介绍了图像语义检索中的关键技术。本文利用肺部CT图像对语义检索技术做了系统深入的研究。首先，为了提取出肺部CT图像中的有意义区域即肺实质，设计了一种实现简单且实验效果较好的肺实质分割算法。该算法利用常规方法提取肺实质的粗略轮廓，并针对肺实质病灶信息等的缺失现象，利用改进的二维凸包算法对肺实质的外轮廓进行再修复，而内轮廓的修复利用区域生长和形态学运算进行实现。然后，分别对原始的CT图像和有意义区域的图像进行了灰度和纹理特征提取，分别是：灰度直方图统计特征，灰度共生矩阵纹理特征，Tamura纹理特征和Gabor小波纹理特征。而后分析了医学图像的高层语义特征，通过医生给出的诊断分析统计出现频率较高的影像表征的词汇作为该幅图像的语义关键词，共选出六个语义关键词(空腔空洞、结节肿块、水样弧形低密度影、斑点状密度增高影、斑片状密度增高影和斑块状密度增高影)，并针对医学图像建立了医学图像的语义层次模型。利用k-最近临分类算法进行图像低层特征到高层语义的映射，实验结果表明改进的k-最近邻分类算法具有较好的映射效果，是一个简单有效的映射方法。最后，利用流形学习的理论，采用了一种基于图像流形的反馈方法以更好地满足用户的检索意图，提高系统的检索精度。根据本文涉及的相关的算法及医学图像语义层次模型，利用Visual C++平台和MySQL数据库系统设计并实现了一个基于语义的医学图像检索系统，实验证明该系统能够实现对肺部CT图像影像表征语义关键词的有效检索。