阿尔茨海默病是痴呆症中最常见的一种神经退行性疾病，其病程进展慢、影像学特征复杂多样，传统影像的阅片诊断过程非常耗时且准确率判断差异大．针对这一问题，本文提出了一种基于混合注意力和多尺度信息融合的分类方法（3D HAMSNet）．该方法基于影像数据，利用卷积神经网络，通过引入混合注意力机制增强模型对海马体、杏仁核和颞叶等区域的关注，并利用基于空洞卷积和软注意力的多尺度信息融合模块有效融合阿尔茨海默病的多种空间尺度特征，从而提高对阿尔茨海默病的早期诊断和预测能力．在198名阿尔茨海默病患者、200名轻度认知障碍患者和139名健康对照组的三分类任务中，所提出的方法分类准确率、特异性和F1分数分别达到了 94.14%、97.07%和94.17%，相较于基线网络分别提升了9.88%、4.94%和10.17%．该方法相较现有分类方法表现突出，为阿尔茨海默病的早期诊断提供了新的方法．

由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似，临床诊断极易发生误诊．采用深度学习方法建立肿瘤自动检测模型，能有效降低人工诊断主观性，减少误诊漏诊率，提高工作效率．而数据集的多样性及图像质量的优越性很大程度上决定了检测模型的性能．针对医学图像数据集稀缺、类别数量不平衡及成像质量较差等问题，本文提出一种改进损失函数的深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks，DCGAN）进行脑膜瘤与听神经瘤检测模型的数据增强，并与传统数据集增强方法进行了对比．结果显示通过改进的DCGAN优化数据集后，脑膜瘤与听神经瘤检测模型的精确率、特异性以及均值平均精度值（Mean Average Precision，mAP）分别较原数据集提高了0.014 6、0.022 4、0.030 0，上升至0.932 8、0.898 6、0.930 0．实验结果表明，通过DCGAN对数据集进行优化处理后，在脑肿瘤临床检测领域中，能较好地提高其模型的检测性能，更为可靠地辅助临床医学诊断．

我国肝癌的发病率和死亡率都不容乐观，早诊断、早治疗成为改变这一现状的迫切手段．因此，本文提出一种融合注意力机制和空洞卷积的3D ELD_MobileNetV2肝结节分类模型，用于腹部动态增强磁共振图像四分类．首先，将二维网络结构扩展为三维，避免对磁共振图像进行特征提取时出现空间特征损失的现象；其次，基于局部跨通道交互策略，设计了融合局部特征和全局特征的高效通道注意力机制，将其嵌入到MobileNetV2的瓶颈结构中，增强网络对关键特征的提取能力；然后，在深度卷积中引入三维空洞结构，提高卷积核的感受野；同时，使用Leaky ReLU6激活函数替换原始激活函数，提升模型鲁棒性．该模型在120名患者中（肝炎、硬化结节、异型增生、肝细胞癌各30例）进行了测试和验证．实验结果表明，所提出的模型相较于原始MobileNetV2，准确率提高了0.083．与AlexNet、VggNet16、ResNet50、ConvNeXt等网络相比，3D ELD_MobileNetV2表现最佳，准确率为0.792，F1分数（F1_Score）为0.688、0.750、0.848、0.872，微平均曲线下面积（AUC）为0.954，宏平均AUC为0.948．该研究所提出的模型能够较好对不同时期的肝结节进行分类，有望为肝癌早期诊断提供帮助．

海马体由于结构复杂、体积小，导致对其进行精准分割较为困难．为此，本文提出一种基于全局和局部特征信息的生成对抗网络（GLGAN）分割方法．首先，为了提高网络稳定性和海马体分割精度，减少信息丢失和梯度爆炸等问题，本文通过改进生成对抗网络的生成器和损失函数，提出了全局生成对抗网络（GGAN）．其次，由于判别器本质上是二分类的分类器，对微小局部变换不敏感，于是提出具有全局和局部特征信息的双判别器网络结构的生成对抗网络．最后，设计一个平衡生成对抗网络（GAN）对抗性损失和3D u-net分割损失的总损失函数．实验结果表明基于GLGAN的分割方法有利于密集评估海马体，促进判别器将生成器生成的掩膜值推向更真实分布，提高海马体分割精度．该方法分割海马体的Dice系数为0.804、IOU为0.672．

神经元核内包涵体病（Neuronal Intranuclear Inclusion Disease，NIID）作为一种罕见的神经系统变性疾病，其诊断主要是通过扩散加权成像（Diffusion Weighted Imaging，DWI）进行，但受限于医生的视觉和经验很容易发生漏诊误诊．本文提出一种基于交叉自监督的深度学习方法，并构建CO-ResNet50和CO-ViT模型用于NIID的智能辅助诊断，该方法采用自监督学习且有效结合ResNet50和ViT网络特点，能够提高模型特征提取能力．实验对249例DWI数据进行预处理，并将其划分为204例训练集和45例测试集，测试结果表明，CO-ResNet50模型表现最佳，准确率为95.49%，精确率为95.51%，召回率为95.44%，F1分数为0.954 7，AUC为0.989 7，能够为医生临床诊断NIID提供支持．

准确可靠的宫颈癌诊断是临床治疗和预后评估的关键. 针对现有的血清雌激素、肿瘤标志物单独评估其宫旁浸润、淋巴结转移等病变特征敏感性较低，本文提出一种联合磁共振多期动态增强成像（DCE-MRI）的诊断方法，首先对患者进行血清雌二醇（E2）、促卵泡生成素（FSH）、促黄体生成素（LH）、糖链抗原125（CA125）、糖链抗原19-9（CA19-9）及DCE-MRI检测，分析宫颈癌分期与血清E2、FSH、LH、CA125、CA19-9水平相关性；然后，以宫颈活检结果为金标准，分析DCE-MRI对宫颈癌深肌层浸润、淋巴结转移的诊断准确率；最后，以受试者工作特征曲线（ROC）分析血清E2、FSH、LH、CA125、CA19-9水平、DCE-MRI诊断及联合诊断方法对宫颈癌的诊断价值. 实验结果表明，联合诊断的曲线下面积（AUC）为0.908，这表明联合诊断方法可较好区分宫颈病变的良恶性，而基于DCE-MRI参数K^trans、K^ep也进一步丰富了特征信息，从而提高病灶的检出精度，为宫颈癌良恶性鉴别及其临床分期诊断提供了新方法.

根据连续波电子顺磁共振（CW-EPR）系统信号传输与检测的过程，通过Simulink平台构建了CW-EPR系统信号传输、调制与检测的仿真模型．该仿真模型涵盖了信号源模拟、调制、肖特基二极管检波器的检波以及基于锁相放大器的解调过程．基于该模型对调制幅度和调制相位变化下的5,5-二甲基吡咯啉氮氧化物（DMPO）样品波谱信号变化过程进行了评估．仿真结果表明针对不同的调制幅度和调制相位，波谱信号的仿真结果与实际测量结果保持一致．因此，本文建立的CW-EPR信号传输与检测仿真模型为深入理解CW-EPR现象、优化实验参数以及指导CW-EPR实验提供了理论支撑，可为后续研究中EPR系统设计与优化提供参考．

阿卡波糖是一种α-葡萄糖苷酶抑制剂，凭借其独特的作用机制，目前已被广泛应用于II型糖尿病的治疗中. 本文利用DEPT-135、¹H-¹H COSY、¹H-¹³C HSQC和¹H-¹³C HMBC等核磁共振（NMR）技术，以DMSO-d₆为溶剂，对阿卡波糖的¹H NMR、¹³C NMR信号进行了全归属，获得了在重水溶剂中无法获得的羟基¹H NMR信号，补充了C环α、β双信号氢谱和碳谱数据，确证了其分子结构，为阿卡波糖药品安全及质量控制提供了可靠的数据基础.

运动干预作为辅助儿童疾病康复和促进儿童大脑结构功能改善的方法备受关注．磁共振成像技术提供了多种分析方法研究儿童大脑变化，在儿童运动干预研究中得到广泛应用．本文通过分析现有的儿童运动干预研究成果，进一步深入探讨运动干预对儿童大脑的影响、研究中影像技术和干预方法的选择，分析了部分实验差异不明显的原因，并提出了解决建议．本综述总结了磁共振成像技术在儿童运动干预研究中的应用，分析了其重要作用及潜在价值，为后续相关研究提供了有益的参考．

近年来，基于扩散磁共振成像的大脑浅表白质纤维束成像技术取得了显著进展．浅表白质纤维束是连接皮层和皮层下神经结构的重要通路，在构建完整人类连接组和神经病理学研究中具有重要意义．本文首先总结了浅表白质纤维束成像技术的发展，其次着重讨论了不同方法在浅表白质纤维束分割中的优缺点，之后探讨了浅表白质纤维束图谱的构建流程，最后总结并对浅表白质纤维束成像技术与分割方法的研究方向进行了展望．