组织学研究证明,骨微结构是骨强度和骨折风险的重要决定因素,临床CT影像由于其分辨率低,无法精细化骨微结构,不适用于骨微结构相关疾病的临床筛选、诊断和治疗。而Micro-CT则具有较高的空间分辨率,并且允许定量表征骨微结构,在临床医学上得到了较广泛的应用。然而,CT扫描分辨率的提高,伴随着扫描尺寸的下降,以及辐射剂量的提升,且需要进行离体扫描,使得更高分辨率的CT扫描不适用于临床诊治。因此,如果能够在更低辐射剂量、更大扫描视野的情况下,获得满足精细结构要求的高分辨率影像,这对于提高相关临床应用和研究的精度及效率都将会是很好的助益。这是本文针对骨微结构生物力学表现研究的一次探索和拓展。为此,本文围绕细观尺度下的医学图像超分辨率重建展开研究。本文首先基于Micro-CT影像研究了骨微结构的力学性能及其与几何特征之间的关系。骨微结构的力学性能反映了骨在材料特性和结构特性下的综合力学性能,本文在前人研究的基础上采用有限元仿真技术进行了载荷测试,并采用传统机器学习的方法对测试结果进行了数据分析,结果发现,骨微结构的几何特征与其力学特性之间存在良好的映射关系,并且几何特征的表征能力更加突出。其次是针对同源成像设备的超分辨率重建研究。该部分内容以Micro-CT影像为研究对象,采用深度学习的方法,有针对性地设计出自编码器结构的AESR模型,并采用分阶段上采样和多权重Loss融合的方式进行神经网络的训练。在标准评估指标PSNR和SSIM方面,取得了优于现有模型的效果。除此之外,本文还采用了骨微结构的几何特征作为评估指标,对超分辨率重建效果进行了实际应用场景下的评估。结果显示,重建效果在大部分指标上与真实结果一致,这在很大程度上证明了本文对于同源成像设备下的超分辨率重建的解决方案的可行性和有效性。最后,本文还研究了异源成像设备下的图像超分辨率重建,其中,低分辨率影像来自普通螺旋CT扫描设备,高分辨率影像则来自Micro-CT扫描设备。鉴于数据来源的差异性,本文首先借助经典配准方式进行数据配准,然后采用基于3DCNN的深度学习网络结构,为超分辨率重建提供更多的空间信息。通过标准评估指标和骨微结构几何特征的评估发现,本文构建的模型虽然取得了一定的重建效果,但与真实图像还具有一定的差异。这说明,对于异源成像设备下的超分辨率重建,本文的研究思路有值得借鉴的地方,但也还存在不足,特别是异源数据的配准,还有很大的研究意义和研究空间。