随着现代脑影像技术的发展，弥散张量成像作为一种描述大脑的新方法，是核磁共振成像（MRI）的特殊形式。人脑作为人体系统构造最复杂部位之一，在人类的信息获取及传导控制都有着关键性的作用，所以人脑的生理运行过程研究是科学研究最具挑战的工作之一。扩散张量成像是现阶段能够唯一显示脑部神经纤维构造的技术，而且该技术具有清晰、无创、完整等特性，它的实现基本原理是通过对大脑白质水分子的扩散信息中各向异性的表达来确定白质纤维的走行趋势，进而完整的显示大脑白质神经纤维的三维结构信息。　　近年来涌现出许多关于大脑白质纤维重建的文章，无论是国内国外关于该方面的论文都呈现快速增长的态势，可见该领域研究的热度。目前，大脑白质纤维结构的三维显示主要分为：确定性跟踪算法和概率性跟踪算法。但是，无论是哪一类跟踪算法，其最后研究聚焦点都是白质纤维的交叉及分叉部位，由于交叉分叉部位的张量为两个甚至多个张量混合叠加而成的复合张量，所以在该位置的张量面临着重新分解的难题，针对该问题，国内外学者已经提出了一些算法实现交叉分叉区域张量的分解，但效果还是有待改善，本文在阅读大量国内外文献之后，提出了自己的改进算法以实现交叉分叉区域张量的分解，进而实现大脑白质神经纤维的三维显示。　　本课题在大脑磁共振弥散张量图像数据的基础上，实现了对弥散张量数据集的预处理、弥散张量一些特征指标的二维伪彩显示，最终，完成了数据集的白质纤维跟踪。主要研究工作如下：　　1在充分理解弥散张量成像的成像原理基础上，对弥散张量数据集进行了预处理，并且实现了张量矩阵中张量图的具体显示，通过计算得到FA图，并对其实现了伪彩显示，能够清晰的显示病变部位的病理特征，从而实现辅助医生诊疗的目的　　2为了更好的实现交叉分叉纤维张量的分解，本文采用基于相邻体素选择的张量分解方法进行交叉分叉张量的分解，首先，选择合适的起点进行非分叉纤维的追踪，建立拟合函数数据集，得到拟合函数；其次，在纤维追踪出现交叉分叉问题时，建立该交叉分叉点及周围区域体素所对应的棋盘图；然后，计算以交叉点为中心的相邻张量的夹角，结合夹角的大小并利用得到的拟合函数进行纤维整体走行方向的估计，实现盘状张量的分解。　　3本文采用了真实的 MRI数据集验证了本文算法，通过实验可以看出，本文算法既保证了局部信息的合理适用，又考虑了整体信息的影响，能够更加精确完整地跟踪纤维路径，解决纤维交叉分叉问题。与传统方法相比，本文算法可以更有效解决纤维分叉及交叉处的跟踪问题，从而使得到的纤维路径更加真实。