طبقه بندي خودكار تصاوير روشي است كه به كمك آن يك تصوير به يكي از كلاس هاي از پيش تعريف شده قبلي نسبت داده مي شود. طبقه بندي تصاوير يكي از مهمترين مراحل در يك سيستم بازيابي تصوير بر اساس محتوا است. وجود اين مرحله باعث كاهش زمان بازيابي تصوير بوسيله كاهش فضاي جستجو در اين سيستم ها مي شود. در اين مقاله، از يك ساختار سلسله مراتبي براي طبقه بندي تصاوير پزشكي استفاده مي شود. در اين ساختار با پيشنهاد يك روش خوشه بندي تحت عنوان نقشه ادغام، كلاس هايي كه داراي همپوشاني قابل توجهي هستند، در يكديگر ادغام مي شوند. در اين نقشه با استفاده از سه معيار صحت طبقه بندي، نرخ دسته بندي اشتباه و معيار شباهت، به نوعي يك روش خوشه بندي غيرنظارتي مدل مي شود. در هر سطح ساختار سلسله مراتبي پيشنهادي، تصاوير بر اساس محتويات شكلي و بافتي بوسيله طبقه بند شبكه عصبي پرسپترون چند لايه طبقه بندي مي شود. ساختار پيشنهادي با يك پايگاه داده بزرگ از تصاوير اشعه x شامل ۹۱۰۰ تصوير در ۴۰ كلاس ارزيابي شد. صحت طبقه بندي 88.9% براي يك مساله ۲۵ كلاسه در سطح اول ساختار بدست آمد. اگر اين مقدار به 94.5% افزايش مي يابد.