弥散张量成像是在弥散加权成像基础上发展而来的一种新的磁共振成像技术，它主要利用大脑中的水分子弥散信息来成像。基于弥散张量成像的脑白质神经纤维追踪技术是目前可在活体无创地重建纤维的唯一方法。准确、快速的重建人类脑白质内的神经纤维，可以更好的了解一些临床疾病的机制，为脑部手术方案的选择、手术导航等针对性的治疗提供可靠的数据；也为人类认识脑功能、分析脑认知功能、揭示脑神经的传导机制提供可行的方法。本课题的主要任务是利用弥散张量成像获得的水分子弥散信息研究纤维追踪算法。首先，本文阐述了常用于追踪经过某感兴趣区域纤维的线性延伸方法，并通过分析其存在的问题，提出了基于多分辨率的可变步长纤维追踪算法。由于不同体素各向异性程度的多样性，该算法以体素的各向异性分数为步长，采用三线性插值算法进行体素的张量插值，获得新的延伸点的弥散信息继续追踪。研究结果表明该算法保留了更多的纤维信息，可以追踪出更长的纤维。其次，本文阐述了常用于追踪特定脑功能区域之间神经纤维的能量最小法，通过分析传统遗传纤维追踪算法易早熟和易陷入局部最优值而导致纤维偏离的缺点，提出了遗传-模拟退火纤维追踪算法。该算法将模拟退火算法作为繁殖算子，运用变异算子、交叉算子生成新的纤维路径。研究结果表明该算法克服了传统算法的缺点，纤维走向更加符合张量场的分布，纤维的平均能量更小。最后，本文针对线性延伸法的简单快速及能量最小法的全局优化等特点，结合蚂蚁群体行为提出了双向蚁群纤维追踪算法，并应用于纤维追踪。研究结果表明该算法时间效率极高，但是由于蚁群的移动是基于单位体素的，这导致纤维光滑度不好。本文也为后续的神经纤维追踪方法提出建议与改进措施。