医学图像分析（Medical Image Analysis）是医学术语，指综合医学影像、数学建模、数字图像处理与分析、人工智能和数值算法等学科的交叉领域。
医学图像分析（Medical Image Analysis）是医学术语，指综合医学影像、数学建模、数字图像处理与分析、人工智能和数值算法等学科的交叉领域。
医学图像分析简介
20 世纪 70 年代，X 线图像在临床广泛应用，医生借助学习得到的知识和实践积累的经验，解读病人的 X 线照片所反映的解剖结构和病生理信息。但是，这种人工解读方式，往往依赖于医生个人的经验、知识和情绪，且效率较低。随着计算机的发展和数字化仪器的出现，人们开始把 X 线胶片的模拟图像转变为数字图像存储和传输；另外，计算机技术的逐步成熟也提供了相当的计算能力。
研究者开始尝试把医学模拟图像转化为数字图像，开展了计算机辅助诊断(computer aided diagnosis，CAD)的初步研究，试图在一定程度上辅助医生判读医学图像，排除人为主观因素，提高诊断准确性和效率。
医学临床需求也推动着医学图像分析的发展。多排螺旋 CT 能够在极短的时间内采集到真正的各向同性体素数据并重组成三维数据，MR 心脏图像是时间加三维的四维数据，一次完整的心脏检查结果包括在心动周期上、各个时刻、多个层面上的数百张二维图像。数据采集的高维化，导致依靠传统的二维表达已经很难理解如此海量的信息，更谈不上有效率地判读和分析。
医学图像分析的研究的对象也日益广泛，不再局限于过去具有明显诊断特征的病种，开始扩展到多种不同器官、解剖形态、功能过程的图像，试图利用自动精确定量的计算机辅助图像分析，帮助临床医生和研究者高效准确地处理海量图像信息。在成像硬件的推动下，从 20 世纪 90 年代中期到现在，医学图像分析在理论方法和应用上都取得了长足的进步。
功能拓展及应用
基于内容的图像检索(content based image retrieval)在自然图像和视频检索方面取得一定进步，通过提取输入图像的特征，在图像数据库快速搜索特征空间中邻近的类似图像。随着医学数据的海量化趋势加剧，近几年来基于内容的医学图像检索的研究与应用正形成热点。图像检索系统可以帮助医生在海量数据库中快速寻找具有类似病理特征并已确诊的医学图像，提高疾病诊断的准确率。
医学图像检索有以下难点：
首先，不同成像设备得到的医学图像内容特点差异巨大，很难用统一算法自动分析和提取特征；
其次医学图像的分类涉及专业知识，譬如区分不同种类的脑部肿瘤图像，必须通过某种形式来结合专科影像学专业知识；
再次，现代的医学图像多为三维或者更高维，这也给特征提取和检索算法提出了新的挑战。
上述困难使目前图像检索研究主要集中在针对特定成像设备和特定解剖位置，或疾病种类的医学图像。
目前，大部分研究止于理论研究，只有及少数图像检索系统报告了临床评估的表现和实际应用。
