随着互联网和信息技术的快速发展,图像等多媒体资源在生活工作中的应用也越来越广泛。同时医疗技术的进步,产生了大量的医学影像数据。此时,医学影像检索采用了很多基于内容的图像检索(Content Based Image Retrieval)技术。这就涉及到一个问题,如何对现有的影像资源进行高效准确的检索。现在一个通用的方法是对影像进行特征提取,之后通过对特征的比较来实现检索。为了更加准确反映原始影像资源的特征,往往需要多个变量信息的综合描述。因此所提取的特征多是高维数据。显然随着维度的增高,从影像资源到特征数据的映射将更加合理和准确。原始的索引结构和检索方法,多是针对二维平面空间和三维立体空间,而医学影像所提取的特征数据多是多维的,现有的索引难以满足要求。本文研究了医学影像数据的特点,并提出针对医学影像数据的索引。首先,提出了基于统计的近似平衡KD树索引。通过对数据的统计信息,采用近似平分的方式,解决了树的不平衡问题；提出来新的分裂维度选择方法,每次分裂都能沿最佳分裂轴进行；根据数据特点,找到了新的树的调整算法,可以一定程度上缓解树的再插入造成的不平衡问题。之后,提出了基于R树的改进索引。根据医学影像数据的特点,提出了新的分裂算法,改进了构建算法,可以无重合的构建索引；查询时摒弃了原来的深度和广度遍历的方法,提出了启发式的最佳优先搜索策略,这样就避免了传统算法因为搜索顺序造成的低效。此外,在维度过高时,采用降维方法后,通过大量实验后,针对现有的特征数据找出了合适的维度代替全部维度,并利用剪枝属性保证了查询的正确性。最后通过实验找出了各个索引的适用范围,并验证了索引的正确性和高效性。