人类的大脑是自然界最复杂的系统。早期对大脑的研究都是通过尸检来进行的。近年来,随着脑成像技术的发展以及成像技术与数学、计算机科学、信息学、物理学等相关学科的结合,利用脑图像进行大脑形态学分析成为了脑科学研究的热点之一。本文正是利用大脑的结构磁共振影像,通过应用和改进一些传统的脑图像分析方法,对大脑皮层的形态学进行了细致的研究。本文的主要贡献如下：1.我们使用基于体素的全脑形态学分析和基于体素的全脑厚度差异分析,考察了首发性重度抑郁症患者的皮层结构异常。我们发现了重度抑郁症患者的大脑皮层在前额叶、壳核、后扣带、楔前叶等区域的形态与正常人相比有显著的差异。这提示了,对抑郁症的皮层形态学研究应该利用多种手段进行全方位的考察,而不该只关注某个特定的脑区。2.为了考察精神分裂症患者的皮层结构网络,我们计算了精神分裂症患者以及其对照组的皮层厚度,然后利用皮层厚度指标和大脑的AAL分区模板分别构建了两组人的脑结构网络。通过对两组人的结构网络的研究,我们发现了精神分裂症患者在右侧的前额叶和右侧的颞极间的网络连接存在异常,且精神分裂症患者的网络具有较高的局部效率和较低的全局效率。进一步的,我们对两个网络的hub节点进行研究比较,我们发现精神分裂症患者的节点异常的几个脑区大多集中在默认网络中。这个发现与他人通过功能网络对精神分裂症的研究结果相当吻合,从而为精神分裂症脑功能网络研究提供了结构上的依据。3.提出了一种新的适用于脑磁共振影像的基于图元表示模型的自适应图像分割算法。新的算法使用了自适应的mean shift算法来提取图元表示。接着,我们提出了一种结合了脑组织结构的先验概率图谱、磁共振图像的不均匀场校正、以及马尔可夫场模型的EM迭代算法来对图像进行分割。先验概率图谱和不均匀场校正的引入使得我们的算法更适合于脑图像的分割。我们使用BrainWeb和IBSR这两个不同的公共数据集中的图像数据来检验我们的算法。实验结果表明我们的算法对不同的数据都能够得到比较准确的分割结果,具有很强的鲁棒性。