常规磁共振成像（Magnetic Resonance Imaging,MRI）数据的对比度由组织的弛豫特性和成像参数共同决定。然而由于个体性差异的影响,相同的经验成像参数并不一定适用于每一个被试。因此理想的情况是,可以在不同的成像序列中针对每一个接受扫描的被试制定个体化成像参数,以实现个体化扫描,或是通过图像后处理技术对图像对比度进行优化。本项研究提出一种基于样本知识和类比推理的方法用于修复对比度较差的MRI数据,仿佛该数据采用了个体化成像参数被重新扫描。MRI数据修片方法主要包括样本知识库建立、信号强度标准化、弛豫时间推演、组织分割和个体化成像参数计算五个模块,最终实现个体化MRI数据推演和个体化MRI数据扫描。论文具体研究内容如下:第一部分,基于样本知识的MR图像推演方法。该研究针对低对比度常规MRI数据提出一种迭代推演的方法,以类比推理的方式,从样本知识库中推演个体组织的弛豫特性,进而推演出个体对比度优化的加权图像。该部分研究结果显示:1)通过成人全脑MRI数据证实,本方法可有效推演出个体全脑组织的弛豫时间谱图,提高低对比度常规加权图像的组织间对比度;2)通过缺血大鼠MRI数据证实,本方法可在疾病早期有效提高病变组织与正常组织的对比度。第二部分,基于样本知识的MR图像分割方法。该研究首先采用基于样本知识的MR图像推演方法优化图像对比度;随后,基于局部二值模式的一种变形算法,从样本知识库中获取个体体素的组织信息,计算个体体素的组织概率。该部分研究结果如下:1)通过高质量MRI数据的分割结果证实,本方法的分割结果与常用分割方法无显著性差异;2)通过低对比度MRI数据的分割结果证实,本方法相较常用分割方法可有效提高低对比度图像的分割正确率;3)通过婴儿MRI数据的分割结果证实,本方法可切实提高婴儿图像的分割稳定性。第三部分,个体化MRI扫描方法。该研究根据常规MRI数据,采用基于样本知识的MR图像推演方法,推演出个体组织的弛豫时间谱图。以该谱图和常规MRI数据的成像原理计算个体化成像参数,推荐给扫描系统,实现个体化成像。该研究通过将个体化成像参数应用到常规MRI数据的采集中证实,本方法在维持图像信噪比的前提下,可有效提高个体成像的对比噪声比。综上,本文将MRI数据修片方法应用到5名健康成人数据、9只半脑缺血大鼠数据和多名早产儿数据中,通过大量的统计学检验证实:1)该方法可不通过额外扫描,有效提高MRI数据对比度,对低对比度图像数据的后处理帮助显著;2)该方法以虚拟扫描的方式推演出的各种MRI数据可准确重复出已有研究的结果,在科学研究中具有实用性;3)该方法可有效提高病变组织的视觉识别度,在临床医学中有一定的应用价值。