磁共振参数成像(T2成像,T2*成像以及扩散系数成像)因其能够提供丰富的表征特征属性的定量信息而在临床诊断上有着广泛的应用,比如多中心脑成像和测量肝铁过载等等。特别地,T2弛豫时间的定量评价在临床MRI研究中扮演着越来越重要的角色。然而,磁共振参数成像的测量通常需要采集一系列具有不同参数值的图像来诱发对比度加权的变化。因此,较长的数据采集时间以及对运动相对敏感是磁共振参数成像在实际应用中的两个主要限制。为了解决上述问题,本文提出了一种基于重叠回波分离的单扫描定量磁共振T2成像方法,即OLED方法。该方法通过在单次扫描中加入两个有相同翻转角的激励脉冲来产生两个具有不同演化时间的回波信号,然后利用两个回波信号之间的先验知识,提出了基于稀疏性约束和结构相似性约束的分离算法来分离两个重叠的回波信号,最后对分离得到的两个回波信号进行T2计算得到定量T2图像。通过数值模拟实验、模型实验以及临床脑部实验来验证该方法的有效性和可靠性。OLED方法首次成功得到了可靠的单扫描定量T2成像,将定量T2成像的时间由秒级甚至分钟级,减少至毫秒级,并且对运动鲁棒。然而,由于OLED成像是一个高度非线性映射的过程,这种基于先验约束的分离算法其重建效率是相当有限的,并且分离算法耗时较长,这将阻碍OLED方法在临床诊断中的应用。针对以上问题,本文提出了一种基于深度残差网络的快速OLED重建方法,利用深度神经网络学习重叠回波图像与T2图像之间的非线性映射,尽管我们利用模拟产生的数据集训练神经网络,但是通过测试数值模拟数据和临床大脑数据证明该方法可以有效的重建OLED序列激发产生的T2图像,并且具有更好的重建质量以及更快的重建速度,使得重建一幅T2图像的时间由分钟级下降至毫秒级,这对实时成像来说具有重要的意义。