动态对比度增强MRI是一种以研究检测部位的血液动力学参数为手段的磁共振灌注成像技术,它通过这些参数值的对比分析来得到相应组织或器官的灌注情况及其微循环血流信息,实现对病变部位的诊断。作为某些脑部疾病诊断的首要选择,对脑血容积这一血液动力学参数的研究具有重要意义。本论文首先对动态对比度增强MRI技术的研究背景意义及发展状况进行了详细地综述。接着,采用基于最小均方(LMS)的改进的自适应算法对脑血容积的计算进行了研究推导,并对脑血容积进行了仿真分析,进一步讨论了信噪比、驻留函数的选择和示踪剂延迟等影响因素对计算结果的影响。实验结果表明,基于最小均方的改进自适应算法较基于最小均方误差(MMSE)的傅里叶变换算法能更准确地计算脑血容积,前者不受信噪比、驻留函数类型和示踪剂延迟的影响;后者则受信噪比影响比较明显。进而,提出基于Hankel矩阵的奇异值分解(SVD)估计脑血容积,与传统奇异值分解比较,其能更客观地计算脑血容积值。最后,分别利用基于最小均方的改进自适应算法和基于Hankel矩阵的奇异值分解算法对动态对比度增强MRI图像进行了伪彩图成像,在清晰地反映大脑组织结构的同时,对脑血容积值做了估计,可望为临床上病灶位置与病变类型的诊断提供客观依据。