近年来，我国的医疗卫生事业发展迅速，随之产生的医疗卫生信息量也越来越庞大。但是众多的医疗卫生机构之间缺乏医疗卫生信息的交流和共享，导致众多的信息“烟囱”和“孤岛”。为了解决这个问题，区域医疗信息化正在建设之中，以实现跨区域、跨地区的医疗卫生机构之间的信息资源共享。区域医疗信息化的发展使得巨大的医学图像数据的存储和传输面临更大的压力和挑战。本课题分析了医学图像的特点，并提出了适合医学图像的基于视觉注意机制的压缩新方法，从而提高了医学图像的压缩比。　　本文首先介绍了视觉注意机制的相关理论，分析了目前感兴趣区域的研究现状及局限性，通过实验实现了医学图像中病灶区域的提取;详述了小波变换的基本理论，并通过实验分析比较选取了适合本次医学图像压缩实验的整数小波基和浮点小波基，分析确定了小波变换的分解层数和边界延拓方式;然后详细阐述了两种经典的基于零树结构的嵌入式编码算法，即EZW算法和SPIHT算法，并对这两种算法进行了比较，最终选取SPIHT算法作为本次课题研究的嵌入式编码算法;最后对带有病灶区域的CT图像进行压缩实验，即利用近无损压缩和有损压缩相结合的图像压缩新方法:对具有医学诊断价值的病灶区域进行低压缩比的近无损压缩，而对没有诊断价值的非病灶区域进行高压缩比的有损压缩。实验结果证明，该方法能有效的实现对病灶区域和非病灶区域分别压缩，实现了对病灶区域进行压缩比最大为9的低压缩比近无损压缩，又能够根据实际需要实现病灶区域的无损压缩，同时能够对非病灶区域实现高压缩比的有损压缩，压缩比能够达到20，相对于对整幅图像进行无损压缩提高了图像整体的压缩比，同时又保证了病灶区域的诊断价值。