امروزه بخش عظیمی از تصاویر پزشکی به فرم دیجیتال تولید و ذخیره می شوند، این امر سبب شده است مدیریت پایگاه های داده پزشکی بزرگ، به صورت یک چالش در علم پزشکی نمایان شود. رشد روزافزون پایگاه داده های با حجم بزرگ در زمینه های مختلف پزشکی همچون تشخیص به کمک کامپیوتر، تحقیقات و آموزش کادر پزشکی، نیاز به سیستم های بازیابی تصویر بر اساس محتوا را بیش از پیش مشخص می-کند. در این تحقیق، یک چارچوب برای بازیابی تصاویر از یک پایگاه داده خیلی بزرگ تصاویر اشعه x ، شامل تصاویری از نواحی آناتومی مختلف بدن، با جهت ها و سیستم فیزیولوژی متفاوت، ارایه شده است. در این بررسی با استفاده از مجموعه ای از ویژگی های سطح خاکستری ، شکل و بافت ، اطلاعات با ارزشی از محتویات تصویر استخراج می شود. ویژگی ها با الگوریتم انتخاب رو به جلو انتخاب شده اند، و سپس با یک الگوریتم بهینه سازی و کاهش ابعاد ویژگی مبتنی بر الگوریتم ژنتیک، وزن هر ویژگی در بردار ویژگی مشخص شده است تا ویژگی های ضعیف از بردار ویژگی حذف شود. یکی از مهم ترین مراحل در بازیابی تصاویر، دسته بندی تصاویر است، که سبب کاهش زمان بازیابی تصویر می شود. در سیستم ارایه شده برای دسته بندی تصاویر، از یک دسته بندی کننده ترکیبی کارا استفاده شده است، که ازترکیب دسته بندی کننده های ماشین بردار پشتیبان چند کلاسه و دسته بندی کننده شبکه عصبی ، بهره گرفته است. جهت افزایش کارایی بازیابی، از بازخورد ربط استفاده شده است. سیستم ارایه شده در این تحقیق تحت یک پایگاه داده بزرگ، شامل 11000 تصویر اشعه x در 116 کلاس مختلف، مورد ارزیابی قرار گرفته است. نتایج به دست آمده کارایی بالای این سیستم را اثبات می نماید