基于弥散张量成像数据的纤维束追踪技术可以非侵入性的检测活体大脑内的白质纤维束。通过分析特定区域的白质信息,可以了解纤维束局部微结构变化,这有助于人们研究一些神经系统疾病对大脑白质的影响。目前,国际主流的白质分析方法主要有基于纤维束的空间统计分析方法(Tract-based spatial statistics,TBSS)以及自动纤维束量化(Automating Fiber-Tract Quantification,AFQ)。TBSS这种方法采用“组平均骨架”思想,基于FA图像求得被试的“平均白质骨架图”,将个体FA参数投射到各自的FA白质骨架上,从而对不同被试的白质实现组水平的精确的统计分析。TBSS通过引入骨架化和投射步骤降低了分析结果对配准精度的敏感性。但TBSS方法只能分析骨架处的白质纤维束,而不能分析其他区域的白质结构。2012年,斯坦福大学的Jason D.Yeatman等人提出AFQ这种方法,并基于Matlab开发了AFQ开源工具包,用户可以利用该工具包自动化的分析软件中内置的18根白质纤维束。但AFQ中使用的纤维束内部对应方法不够准确,且由于AFQ方法基于个体纤维束追踪的特性使得该方法的使用受个体数据质量影响较大。本团队已提出一种基于纤维束图谱统计分析(Tractography atlas-based analysis,TABS)方法,该方法可以对白质纤维束进行参数化建模,精确定位白质微结构损伤部位。在此基础之上,本文针对目前存在的配准误差以及纤维束真实性不够的问题,对该方法进行了改进。通过结合概率性和确定性纤维束追踪方法,对提取出的个体白质微结构特征进行筛选,提高了TABS方法分析结果的准确性。此外,本文将改进后的TABS方法整合为白质分析平台,为其他研究人员使用TABS方法提供便利。偏头痛是一种常见的原发性头痛疾病,患者当中女性比较多见,此外,在症状和治疗效果等其他方面也与男性存在显著性差异。目前,已有一部分研究发现不同性别的偏头痛患者在大脑的结构以及功能上存在一定的与疾病相关的差异。本文基于改进后的TABS方法对偏头痛患者的白质纤维束进行分析,结果表明本文的改进步骤可以筛掉噪声特征。同时,我们发现了由丘脑到前脑岛、背侧扣带、初级躯体感觉皮层的纤维束完整性在性别与偏头痛疾病之间存在交互效应,这可能是偏头痛在各方面存在性别差异的一个因素。