基于扩散加权磁共振成像的脑白质神经纤维跟踪技术是当前重构活体大脑中纤维组织微结构的唯一非侵入式方法，该技术的出现为大脑认知机理探究、神经类疾病病理分析以及脑手术规划与导航等脑科学研究及应用提供了全新的思路和手段。核磁共振扫描设备扩散信号采集精度的提高为精确重建白质纤维提供了新的可能，然而当前的局部纤维方向估计模型和纤维追踪算法已经难以满足在临床应用上对纤维重构精度的要求。当前脑白质纤维成像存在两方面的问题：首先，传统的以扩散张量为基础的纤维方向估计方法难以刻画具有多纤维方向的结构，而基于球面反卷积的重构模型虽然在识别复杂纤维结构的能力上有所提高，然而仍然存在所需信号采集量大、角度分辨率低、稳定性差及计算量大等不足；其次，传统单纤维跟踪算法过于依赖局部纤维方向估计模型，难以校正在追踪过程中由不确定信息产生的误差，从而造成重构结果不稳定。针对上述问题，本文分别进行了研究并提出新的方法加以改善。本文的具体工作和成果如下：　　针对传统局部纤维方向估计模型难以高效、精确地重构复杂纤维结构的问题，本文在球面反卷积模型的基础上提出了基于球面高斯函数的混合稀疏纤维方向分布估计方法。该方法首先基于对DWI信号分布特点的分析建立了一种基于球面高斯函数的离散化卷积模型，实现了对纤维方向分布域的直接描述；接着根据纤维分布稀疏性的特点，提出了结合L1范式和L2范式稀疏约束的混合加权稀疏方法得到纤维分布的稀疏解。在模拟数据和临床数据上的实验结果表明，该方法在降低扩散信号采样率的基础上有效提高了球面反卷积成像方法的角度分辨率及成像稳定性。　　针对传统单纤维跟踪过于依赖局部纤维方向估计模型从而造成重构结果不稳定的问题，本文提出一种多纤维个体协同演化的群体跟踪算法。基于纤维个体历史跟踪状态的多体素邻域方向插值技术实现对纤维个体运动状态的亚体素级观测，在跟踪过程中降低了单体素方向分布模型的估计误差；考虑到灰白质轮廓对纤维轨迹的平行约束，本文利用随机矩阵状态更新方法实现纤维束群轮廓的估计，完成对整体运动目标状态的全局调整；其中群内纤维走向的相似性约束通过粒子互作用模型进行实现；为了避免群轮廓的单一分布形态造成有限的空间拓扑延续性，本文在以上研究基础上进一步描述了群运动方向在演化过程中出现的多主方向特性。在模拟数据和临床数据上的实验表明，本文提出的方法不仅明显减少了跟踪结果对信号噪声及模型误差的敏感性，并且进一步降低了对局部纤维方向重构模型的依赖性，整体上提高了跟踪结果的精度和稳定性。