大脑作为人类神经系统的最高级部分,调节着机体功能,同时承担着个体意识、精神、语言、学习、记忆等高级神经活动。鉴于大脑的复杂性与重要性,越来越多的研究人员对其展开探索。医疗影像作为临床诊断中的辅助手段,能够很好的从大脑形态、结构和功能等方面对其进行可视化,提供重要信息。由于MRI比CT和其他模式能更好地反映软组织的对比度,并且没有辐射,对人体伤害较小,已被广泛用于临床上的疾病辅助诊断,同时也成为了目前脑科学研究中一种重要成像方法。但是由于时间和效率等因素的限制,临床常规扫描的MRI脑影像通常为低分辨率的厚层图像,可对一些大的占位性病变进行筛查。然而,一些微小的结构性病变却很难在早期被发现,通常只能等到后期出现相关临床症状时,再次针对性的扫描局部高分辨率图像来进行确诊,确定治疗方案,而此时的治疗成本就会远高于早期常规筛查时的成本。本文针对临床常规厚层MRI图像的超分辨率重建任务展开研究,并应用临床指标对重建图像进行定量评估,使用价值评价,希望可以在不额外增加临床影像检查工作量的同时,提高某些微小结构性病变疾病的早期检出率,降低临床治疗成本。基于此,我们首先提出使用厚层的临床常规图像进行超分辨重建,辅助一些微小结构病变相关的疾病的早期筛查。以现阶段重建性能较好的自然图像算法为基础,分析医学图像的特征,设计针对性的约束条件,加入脑组织的解剖结构信息来监督重建网络的学习方向,并引入临床指标来对重建结果进行评估。结果表明,我们重建出的超分辨率图像与临床真实采集的高分辨率图像有较高的一致性,在大脑皮层厚度,形态学结构等方面基本达到影像科医生的需求,有较好的临床使用价值,此外,为了进一步应对临床中不同疾病的特点,我们还针对海马硬化这一疾病,定制了个性化的方案。以海马为重点区域,为整个3D图像设计权重不同的系数矩阵,实现海马精细化重建,为海马硬化疾病诊断提供更多的图像信息。实验结果表明,在辅助海马硬化疾病诊断的这一任务中,我们重建出的图像,使用更少的时间就达到了高分辨率图像的精度。同时,考虑到临床不同模态影像的作用,我们又引入了第二模态的信息来增强第一模态的重建。结果表明,在脑组织的体积测量精度上,我们重建出的图像测量精度要远高于临床常规的厚层图像。由于从高分辨图像下采样得到的低分辨率图像与实际场景中采集的低分辨率图像存在较大的差异,导致很多算法都只能止步于实验阶段,无法真正落地,造福临床,我们的实验全部使用成对的真实的低分辨率图像和高分辨率图像,避免了实验与真实场景使用数据形式不一致的问题,保证了临床厚层数据的重建性能,为后续算法落地提供了保障。