猕猴与人类有着密切的系统发育关系,是神经科学研究中被广泛使用的动物模型。脑成像处理工具和标准脑图谱是脑研究的重要工具:对被试图像进行大脑提取、脑组织分割等处理是后续的属性度量研究、皮层分析及脑图谱构建的先决条件;构建高质量的脑图谱可以准确地反映特定种群的大脑解剖结构,为不同个体大脑的处理提供标准空间和对应的解剖信息。发育期猕猴,尤其是产后早期猕猴,其大脑处于较快速的区域异质动态发育期,为图像预处理和图谱构建带来挑战。对于猕猴,现有的脑成像处理工具和脑图谱主要基于成年个体,缺乏能涵盖发育期大脑动态变化的多时间点纵向脑图谱。为了填补这一空白,我们结合深度学习和脑成像先验,开发了针对发育期猕猴的大脑提取和脑组织分割算法,并构建了涵盖12个时间点（即产后1、2、3、4、5、6、9、12、18、24、36和48个月）的猕猴纵向脑图谱。本论文重点围绕以下三个方面的工作展开:（1）基于注意力机制和跨域先验知识的猕猴大脑提取算法。对MR头部扫描图像实现准确的大脑提取（或称头骨剥离）是后续神经影像分析的关键预处理。目前主流的脑图像处理工具都是针对人类设计的,用于处理猕猴大脑时通常难以获得理想结果。因此,针对发育期猕猴脑MR图像的大脑提取颇具挑战性,且具有重要意义。为了解决这个问题,本论文提出了基于注意力机制和跨域先验知识的 Domain-Invariant Knowledge-guided Attention Networks,有效融合了图像灰度信息和跨域先验知识,实现了对发育期猕猴MR脑图像的自动化大脑提取。（2）基于解剖先验知识和全分辨率的猕猴大脑组织分割算法。准确地在脑图像中划分三类脑组织（灰质,白质,脑脊液）对于构建大脑图谱和研究早期大脑发育非常重要。然而,较剧烈的大脑发育引起的组织对比度和解剖形态变化给脑组织自动分割带来了较大的挑战。为了解决这一问题,本论文提出了解剖先验引导的全分辨率注意力网络Anatomy-guided Full-resolution Attention Networks以实现对产后早期猕猴的脑组织自动分割。（3）产后0至48月的猕猴多时间点纵向脑图谱构建。本论文使用上述两个算法对一个较大规模（39个对象,合计175个扫描图像）的纵向多时间点扫描的发育期猕猴数据集进行处理,基于得到的大脑图像和脑组织分割图,完成对纵向脑图谱的构建。该4D脑图谱反映了猕猴种群在发育期特定时间点时整体的典型解剖结构,显示出高效的跨个体有效性。此外,该大脑图谱涵盖了猕猴整个发育期的动态发育变化,因此适用于任意发育程度的猕猴大脑,可以充当大脑解剖结构信息的参考和神经影像研究的脑模板。