扩散张量成像(diffusion tensor imaging, DTI)技术不但对探索脑神经工作规律与研究脑认知功能具有重要的科学意义,而且在临床实践中也具有很大的应用价值。扩散张量成像通过测量组织内水分子的自扩散系数来进行成像。相比于一般核磁共振成像,扩散张量成像能够提供更多关于生理组织结构非对称分布的信息。本论文着眼于扩散张量成像技术在脑电研究中的应用,主要进行了以下几方面的研究：根据脑不同组织内水分子扩散的特点,提出了把脑内部组织分割成灰质、白质、脑脊液的新方法：即对脑脊液采用张量特征值阀值分割法,对白质与灰质采用3-D不变参数K均值聚类分割算法。并采用该方法对病人DTI图像数据进行了实际计算验证,得到了令人满意的结果。由于DTI图像本质上为一张量空间,它的准确分割需要高效率算法与脑组织内水分子扩散特性先验知识的有机结合。扩散张量成像通过测量脑组织内水分子扩散系数而对生理组织进行成像,是目前唯一非侵入获取白质纤维束结构信息的重要手段。本论文首先利用部分各向异性参数阀值分割法去除灰质与脑脊液而把白质从DTI图像中分割出来,再利用扩展图割切算法对白质进行纤维束胼胝体结构进行分割。利用扩展图割切算法进行张量空间的分割,需要选择合适的张量相似核函数。为了对脑白质纤维束进行三维走向跟踪,本论文提出一种基于移动最小二乘法的纤维束三维曲线走向跟踪算法,首先根据磁场梯度表与b值把扩散加权数据转换为扩散张量数据并进行高斯滤波,以三次样条函数为权函数对扩散张量数据进行拟合,从感兴趣区域(region of interest, ROI)出发在纤维束弯曲角度与特定步长限制条件下进行走向跟踪。最后对病人脑DTI数据进行计算,结果表明该算法能够准确快速地对胼胝体纤维束三维走向进行宏观上的跟踪。组织内水分子扩散特性的研究不仅对脑生理解剖结构信息的获取具有极其重要的意义,而且对于脑组织各向异性电导率的计算也有重要的价值。脑组织电导率在脑电研究中是一个重要参数。为了获取脑组织各向异性电导率,本论文利用扩散加权成像技术,从电化学角度出发,提出了基于Stokes-Einstein与Nernst-Einstein方程的计算脑组织各向异性电导率的新方法。本论文在人体DTI实验数据上采用新方法作了计算,并且把结果与不同脑组织(白质、灰质、脑脊液)的经验电脑率值进行了对比。此新方法的基础是扩散张量数据,在扩散张量成像实验中施加适当的扩散加权时间是影响结果准确性的重要因素。最后,采用偶极子源模型计算与分析了白质电导率各向异性对头皮电位分布的影响,并与Wolters体积约束模型做了对比分析。