本项目的研究目标是实现乳腺动态增强 MRI（DCE-MRI）序列图像的快速精确运动补偿和药代动力学（Pharmacokinetic, PK）参数图的优质重建，为乳腺 DCE-MRI 影像学分析与诊断提供可视化和定量分析工具，需要解决乳腺DCE-MRI中运动伪影、噪声及扫描时间分辨率有限等因素对PK参数准确估计造成的困难。. 本项目研究按照任务计划书实施，完成了100余例乳腺DCE-MRI临床影像数据的采集，开展了MRI图像中Rician噪声抑制方法、医学图像分割方法、医学图像配准方法、乳腺DCE-MRI组织形变场与增强的联合估计、PK参数图重建等方面的研究工作。在本项目经费资助下，项目组共发表相关学术论文13篇，其中SCI收录9篇、EI收录11篇，申请国家发明专利3件、其中1件已授权，软件著作权登记授权1项；培养博士生2人、硕士生3人，其中已毕业硕士生2人，完成了任务计划书中的研究内容和预期目标。. 本项目的研究进展主要包括以下几个方面。（1）提出了通过噪声水平的局部估计和稀疏性约束模型估计Rician噪声水平场的方法，结合方差稳定变换可有效抑制MRI图像中噪声水平空间变化的Rician噪声。（2）提出了基于马尔可夫随机场模型与非局部先验的图像配准方法，通过对组织的形变场采用马尔可夫随机场进行建模，并以非局部先验作为正则项对形变场进行平滑约束，实现图像的自动精确配准。（3）提出了联合估计增强场时间序列和组织形变场的贝叶斯框架，采用离散马尔可夫随机场模型分别对增强场时间序列和组织形变场进行建模和添加平滑约束，并通过分步迭代方式进行估计，可准确估计增强场时间序列，并可达到较高的配准精度。（4）提出了一种利用组织空间结构信息对PK参数图进行估计的方法，以增强时间序列图像作为提供组织结构信息的引导图像，通过引导图像滤波器提取组织的结构信息，对参数图进行非线性空间滤波实现参数图的隐式约束，使得估计的PK参数图在空间上平滑，并在不同的组织区域具有一致性。与非线性最小二乘拟合方法相比，提出的方法估计PK参数图更准确，并能有效分辨乳腺组织和病灶类型。