化学交换饱和转移（Chemical exchange saturation transfer,CEST）技术在临床诊断中展现了巨大的潜力。CEST不仅可以对极低浓度的化学基团进行单独成像,而且可对基团所在环境的变化进行检测,非常适合分子成像研究。目前CEST在临床上的应用主要集中在脑部,如脑卒中、脑肿瘤等疾病的诊断与分级。随着技术的发展,体部CEST的应用也逐步进入人们的视野。然而,CEST序列在短时间内往往难以得到较高的对比度信息,同时其重建过程仍有很多挑战,这阻碍了它在临床中的广泛应用。本文针对上述问题分别进行研究,主要有以下三部分工作:1.CEST饱和策略及成像序列优化临床磁共振成像往往需要在适当时间内,对病理区域获得良好的对比度信息。CEST成像对比度很大程度上取决于饱和模块策略及信号采集模块的设计。本文通过数值仿真与实验探究相结合的方法,得到了针对分离CEST成像的最优饱和模块方案,同时设计了具有特殊K空间填充策略的快速CEST序列。研究结果表明,相比传统的K空间中心优先填充策略,该序列可以在适当时间内得到更良好的对比度信息。2.一种脑部CEST信号提取方法CEST成像后处理方法一直以来都是一个十分重要的环节。当前临床CEST的成像方法具有很多不足,比如,利用传统的非对称性分析法无法得到纯净的交换点信号。因此本文提出了一种新的信号提取方法,该方法基于神经网络来拟合背景参考Z谱,从而实现人脑中感兴趣交换点信号的提取,以此来分别得到更为科学的纯净酰胺质子转移（Amide proton transfer,APT）或核奥氏增强（Nuclear Overhauser enhancement,NOE）成像。3.一种体部CEST成像后处理方法体部CEST成像往往受到较大主磁场偏移量及脂肪抑制效果不稳定的影响,这限制了它在临床上的发展。本文提出了一种基于机器学习的CEST后处理方法,其通过识别每个像素采集得到的Z谱特征,在不需要扫描额外序列的前提下,得到主磁场偏移量与背景参考Z谱,并进一步分离得到源自不同交换点的信号,理论上不受脂肪抑制效果的影响。