扩散张量成像（diffusion tensor imaging,DTI）是一种非侵入式活体大脑成像技术,其丰富了描述人脑微观解剖结构及功能特征的表示方法。扩散张量图谱在脑科学研究中扮演着重要角色,高质量的扩散张量图谱不仅能极大地促进大脑结构-功能关系的研究、临床医学研究和神经解剖学研究,还能推动人工智能、智慧医疗等领域的发展。目前基于迭代平均的传统扩散张量图谱构建算法耗时长且所构建的图谱难以捕获全局数据集的可变性;此外,基于DTI图谱的药物成瘾研究目前仍鲜见报道。针对这一现状,本文研究了基于深度学习的DTI配准算法,然后在此基础上设计了DTI图谱构建算法,并基于该算法构建的DTI图谱探究了药物成瘾对大脑组织结构的影响。具体工作如下:（1）提出了级联微分同胚DTI配准模型（cascade diffeomorphic network for DTI registration,CDnet-DTIR）,该模型结合了微分同胚配准思想并且能够完成三维人脑DTI的快速精准配准。模型主要由两个配准子网络组成:部分各向异性（factional anisotropy,FA）参数图配准网络和平均扩散（mean diffusivity,MD）参数图配准网络。为了保证扩散张量图像空间变换后纤维方向与组织结构能够保持一致,本文在配准模型中设计了Log-Euclidean空间插值模块和重定向模块,这两个模块在网络训练过程中均能保证梯度反传。为了提高配准精度,本文提出利用宏观相似性度量和微观相似性度量作为损失函数指导网络模型训练。实验结果表明,CDnet-DTIR模型能够实现DTI全局解剖结构对齐,且配准实时性较高,满足临床实时配准需求。（2）将DTI图谱构建视为一个概率估计模型,在CDnet-DTIR模型的基础上,提出了基于卷积神经网络的DTI图谱构建算法。该算法不仅能够生成具有全局可变性的DTI图谱,同时还能快速完成扩散张量图像与图谱精准对齐。此外,为了探究药物成瘾对大脑组织结构的影响,本文利用实验室采集的健康人与药物成瘾者的图像数据创建了DTI图谱,并运用全脑体素分析（voxelbased analysis,VBA）方法和纤维束示踪的空间统计分析（tract-based spatial statistic,TBSS）方法统计分析了健康人与药物成瘾者的大脑结构差异。实验结果表明药物成瘾者与健康人在枕钳、胼胝体以及下额枕束等区域具有显著性差异。