امروزه پیشرفت¬های سریع تکنولوژی امکان ذخیره¬سازی و بازیابی حجم زیادی از اطلاعات را به شکل چندرسانه¬ای (متن، فیلم، صدا، تصویر و...) فراهم کرده است. افزایش حجم داده¬های چندرسانه¬ای مخصوصاً تصاویر، مدیریت و بازیابی آنها را برای انسان با مشکل مواجه¬ کرده است. بازیابی اطلاعات چندرسانه¬ای به شیوه متنی با دو مشکل روبرو است. مشکل اول کار دستی موردنیاز برای تفسیرآنها و مشکل دوم برداشت متفاوت افراد از داده¬ها می¬باشد که کاری وقت¬گیر و ناکارآمد است؛ بنابراین برای دسترسی به این اطلاعات در پایگاه ¬داده¬های حجیم نیاز به ابزارهای جستجوی هدف¬دار غیرقابل اجتناب است. در زمینه پزشکی تصاویر تولید شده بخش بسیار مهمی از اطلاعات پزشکی را تشکیل می¬دهند که می¬توانند در فرآیند تشخیص و درمان بیماری به¬کار روند. درحال حاضر بازیابی این تصاویر براساس مشخصات بیمار است؛ نه برپایه نوع بیماری. مشکل دیگر وجود شکاف معنایی در بازیابی تصاویر می¬باشد؛ بنابراین روش پیشنهادشده در این پایان¬نامه با هدف کاهش دادن شکاف معنایی طراحی شده است. از این¬رو هدف از انجام این پایان¬نامه، ارایه طرحی برای بازیابی تصاویر mr مغز مبتنی ¬بر محتوا با استفاده از بازخورد ارتباط کارآمد قرارداده شده است. در بخش اول پیاده¬سازی ابتدا در مرحله استخراج ویژگی¬ها، ویژگی¬های مبتنی بر لبه و بافت از تصاویر استخراج و در یک پایگاه برای تصاویر موجود در مجموعه ¬داده ذخیره می¬شود. همین مراحل برای تصویر ورودی به عنوان تصویر نمونه نیز انجام می¬شود. این روش نیمه¬خودکار بوده؛ به¬طور¬ی¬که در مرحله اندیس-گذاری با ایجاد بردار¬¬ وزن مناسب توسط بازخورد کاربر، بردارهای ویژگی مربوط به ویژگی انتخاب شده مقایسه و داده¬های شبیه به تصویر ورودی بازیابی می¬گردند. در بخش دوم، اندیس¬گذاری و بازیابی تصاویر براساس ویژگی¬های محلی تصویر با استفاده از روش sift می¬باشد. این روش ویژگی¬هایی که برای توصیف تصاویر مناسب هستند را استخراج می¬کند. روش¬ پیشنهادی روی مجموعه تصاویر mr مغز که مجموعه ¬داده معتبر برای ارزیابی است، انجام می¬شود. معیار ارزیابی روش پیشنهادی، متوسط نرخ دقت می-باشد. مقایسه روش پیشنهادی با دو روش بازیابی تصاویر دیگر، نشان¬دهنده برتری دقت روش پیشنهادی در بازیابی تصاویر می¬باشد.