使用内源性对比剂的动态敏感对比磁共振成像(Dynamic Susceptibility Contrast-Magnetic Resonance Imaging, DSC-MRI)已经广泛应用于脑灌注加权成像,可用于测量脑血流、脑血容积、平均通过时间等与脑血液动力学参数有关的生理指标,在临床疾病诊断和治疗方案选择方面发挥着重要作用,因此DSC-MRI快速、准确和鲁棒的定量计算对临床实践意义重大。在利用DSC-MRI技术进行脑血液动力学参数定量时,需事先获得动脉输入函数,动脉输入函数的准确性将直接影响最终计算结果。传统情况下,动脉输入函数的提取依赖经验丰富的放射医师手工选取大脑中动脉或颈内动脉的若干像素点来实现,然而该种手动方法耗时较长,且对操作者依赖,导致不同操作者间和同一操作者不同时间点间的结果缺乏可重复性,同时由于DSC-MRI图像的空间分辨率相对较低,基于手动方法提取动脉输入函数的结果也会受到部分容积效应的严重污染。因此,开发能够减少人为干预的自动或半自动动脉输入函数提取算法成为一个迫切需要解决的现实问题。为了解决手动提取动脉输入函数的弊端,本研究评估了不同簇分析算法提取DSC-MRI脑灌注中动脉输入函数的效能。具体步骤包括：采集42位健康志愿者的DSC-MRI脑灌注加权图像；利用离线工作站校正由于呼吸、心跳、被试者难以控制的不自主运动或转动造成各相位容积图像不对齐的情况；通过手工浏览方式选择首幅容积图像中含右水平大脑中动脉的扫描层面；将所选层面图像信号的时间-强度曲线转化为对比剂的时间-浓度曲线；删除曲线下面积较小的曲线、震荡频率较严重的曲线和受部分容积效应污染严重的曲线；最后,将各种簇分析技术应用于剩余曲线,自动提取动脉输入函数,并比较各种簇分析算法在计算动脉输入函数方面的准确性、可重复性及复杂度。由于临床实验缺乏金标准的支持,因此本研究还增添了模拟实验部分,通过估计的动脉输入函数和真实的动脉输入函数的比较,评估各种簇分析算法在检测动脉输入函数方面的可行性。实验结果表明,(1)不可重复的聚类算法：k均值簇分析算法相对手工方法而言能够获得更准确的动脉输入函数,用时也更短；相对模糊c均值算法而言,k均值算法能够获得更准确的计算结果且具有更好的可重复性；(2)可重复的聚类算法：相对快速仿射传播聚类算法而言,归一化分割聚类算法和凝聚层次聚类算法都可以获得更准确的动脉输入函数,但是归一化分割聚类算法比凝聚层次聚类算法的计算复杂度更低,因此具有更好的应用前景。