基于磁共振成像的胎儿脑发育研究在临床医学中具备较高的研究价值,研究其精细结构的发育过程有助于产前诊断,尤其是在具备不同病理特征的个体之间。实际上,胎儿大脑的神经成像仍然是一个具有挑战性的问题,尤其是检测微小的病理改变,因为在数据采集过程中由胎儿大脑的自由运动所产生的复杂运动噪声降低了成像质量。这个问题不仅仅存在于结构相磁共振成像中,也存在于弥散张量成像之中。因此,一个改进的图像后处理算法框架被需要开发出来用于降低这个现象造成的影响,用于进行胎儿发育过程的精细研究。本课题所提出的图像后处理算法将会从结构相磁共振成像和弥散磁共振成像两方面进行应用,并从中分析胎儿的发育过程。在结构相磁共振方面,目的在于得到较为精准的侧脑室体积。我们所使用的胎儿脑部磁共振成像数据采用1.5T二维联合敏感编码和平衡式快速梯度回波序列采集。首先完成图像去噪过程,采用总方差半范数设计的凸优化方法,一定程度上降低外部噪声对成像结果的影响。这样获取的二维磁共振影像数据切片被重新对齐,降低相临两个切片之间的伪差。在经过图像去噪过程以后,使用基于图像强度和贝叶斯算法的自适应分割获取的侧脑室二维图像,并根据不同的孕周,使用超分辨率算法合并图像并得到每个孕周的精确侧脑室体积。在弥散磁共振方面,目的在于从弥散张量成像的角度研究胎脑随孕周的发育。首先对数据采集中的参数进行一定的调试,然后将所提出的重建算法在弥散磁共振数据上进行测试。在其中较好的结果中,筛选不同病理学状态个体的弥散张量成像数据。然后把对从不同孕周采集到的弥散磁共振数据图像进行分析,统计胎儿脑室纤维束发育的状态,针对左右两侧、不同脑室、不同状态都做出了统计结果。这些结果在临床上能够帮助分析和评价胎儿脑发育的特点,并且有助于对胎儿脑部发育疾病诊断和研究。本课题所设计的算法对胎儿脑影像的研究有了一定的探索和改进。胎儿侧脑室分割的结果通过重建算法有了较好的精度,能够在临床上提供较准确的分割结果。脑纤维束追踪的实验由于对重建算法的优化,也有了一定程度的改进。获得稳定的质量的图像有利于更好地检测胎脑的微小病理改变,并且能够应用于更多的数据以为胎儿生长发育提供一个准确的评价依据。