磁共振弥散张量成像（Magnetic Resonance-Diffusion Tensor Imaging，MR-DTI）技术是目前能够无创的研究人脑纤维的唯一手段。DTI技术通过探测水分子的弥散特性，可以全面的描述白质纤维的结构，目前在神经科学研究与医学领域都有广泛的应用。在纤维结构的研究中，纤维跟踪技术及可视化技术可以对纤维生长情况进行直接的观察，但难以对两点之间纤维连接程度进行有效度量；各向异性指数（fractional anisotropy，FA）的变化能够反映某一点处的结构差异，却无法描述两点之间连接关系的变化。基于统计学理论的快速行进算法能够通过生成的体素连接（voxel scale connectivity，VSC）图来定量的表示各点之间的连接关系及其强度大小，便于对纤维结构的差异进行定量的分析及定位。传统快速行进算法在纤维交叉区域的连通度计算会存在较大的误差，影响后续的分析结果，因此对于传统算法的改进是必要且有意义的。　　 本文首先介绍了DTI技术的发展现状及基本原理，然后介绍了目前纤维连接研究方面的主要方法及其存在的不是，指出了快速行进法和连接图在纤维结构研究上的特点。之后针对传统算法中的不足提出了改进方法：加入记忆因子对传播方向进行修正，提高在纤维分叉处连接度计算的准确度，同时改善了算法的抗噪性能。为了验证改进算法的有效性，首先构造了一组模拟数据进行测试，然后在实际数据中也进行了对比，通过两种数据的结果可以明显的看到改进算法得到的连通图能够更加真实的描绘出纤维的生长情况。随后将这种方法应用在了AD病人的分析中，得到的结果与前人研究中的结论基本吻合，再次证明了方法的有效性。最后提出了算法改进及这种方法在实际应用中的一些不足和今后的研究方向。