化学交换饱和转移(CEST)磁共振成像(MRI)是一种新型的分子影像技术,使用该技术可以对包含可交换质子的分子如蛋白质和糖类等进行在体成像。目前在CEST MRI图像分析中,通常是由研究人员或者医生根据经验,在CEST MRI图像上手工描绘出感兴趣区域(ROI),然后分析该区域的CEST Z谱(Z-spectrum)特征及其他量化参数,以提取病灶的生化代谢改变。然而人工勾画效率低下,且会产生较大的人为误差,导致无法准确反映病灶区域真正的CEST信号。因此,本论文的主要目的是研究快速、精准的感兴趣区域(ROI)自动或半自动提取方法。具体研究工作如下:(1)基于区域生长算法实现CEST MRI图像ROI的自动提取。通过改进区域生长算法,实现根据图像强度信息自动定位初始种子点,并通过基于小鼠脑部肿瘤的CEST图像实验,确定了合理的生长准则和最佳停止生长阈值,将形态学变换中的闭运算与区域生长算法相结合,提升了鲁棒性。多饱和强度CEST MRI图像的实验结果表明,使用改进的区域生长算法能够根据不同频率偏移处的CEST信号自动定位出不同对比图像的病灶区域,并且该方法提升了选取ROI的准确性,能够精确地选取出肿瘤内核区域,可以进一步细分肿瘤内部的CEST信号强度不同的区域。(2)使用主动形状模型(Active Shape Model,ASM)方法选取CEST MRI图像中基于解剖结构的ROI。ASM算法的实现步骤包括:建立形状模型、建立局部灰度模型和ASM搜索。对小鼠脑部CEST MRI图像的实验表明,ASM算法能够半自动选取出CEST分析所需的脑部6个结构,所选ROI与金标准的相关系数(Correlation Coefficient,CC)在0.933到0.976之间,分割效果较为理想。(3)针对CEST MRI数据后处理过程较为繁琐的问题,建立了一套基于MATLAB的ROI选取及Z谱展示系统。该系统包括了CEST MRI的整个后处理流程,并集成了基于区域生长算法和ASM算法的ROI选取模块,从而方便研究人员应用CEST MRI进行临床研究。