非酒精性脂肪肝病（Non-Alcoholic Fatty Liver Disease,NAFLD）及进展型非酒精性脂肪肝炎（Non-Alcoholic Steato Hepatitis,NASH）在过去的三十年中已经逐渐发展为全球慢性肝脏疾病的主要病因,对NAFLD和NASH的准确非侵入式检测手段是临床上的迫切需求。脂肪密度质子分数（Proton Density Fat Fraction,PDFF）可以准确反映NAFLD患者肝脏的病变,但需要克服水脂分离稳定性不足的问题。包括PDFF、T1和R2*在内的同时多参数磁共振成像是诊断NASH最有潜力的手段,然而在人体腹部的应用中面临着如下挑战:脂肪信号会造成T1定量结果的偏差;呼吸运动会造成伪影,需要配合屏息扫描,一次屏息内覆盖全肝需要很高的采集效率。针对上述挑战,基于磁共振系统采集的原始数据,开展了以下研究工作。首先,本文提出了一种基于水脂转换区域的水脂分离算法（Transition Region Extraction,TREE）,以实现稳定的水脂分离。现有水脂分离算法在处理主磁场B0变化复杂,信噪比较低的数据时,可能会因为模型失效而出现水脂分反的现象。为了克服现有水脂分离算法稳定性不足的问题,本文对水脂分离算法进行了改进,提出了一种稳定的水脂分离算法TREE。实验结果显示,所提出的算法可以准确地定量脂肪含量,偏差为0.14%。本方法在噪声以及场快速变化的应用中,相比于现有算法,体现出了更好的稳定性。其次,本文优化了腹部磁共振多参数定量序列,实现了一次屏息内全肝的T1、脂肪和R2*多参数同时定量。现有的腹部多参数定量方法由于采集效率较低,扫描时间往往较长,或者覆盖范围有限。本文的工作中,进一步优化了多参数定量序列,使用算法校正射频发射场的影响,结合水脂分离方法排除脂肪对定量影响,实现了一次屏息内全肝的多参数同时定量。此外,利用水脂T1弛豫时间不同的特性,为水脂二义性问题提出了一种可能的解决方案。仿体实验证明,本文所提出的多参数定量方法可以准确定量T1/PDFF/R2*。与金标准相比,脂肪含量偏差仅为0.73%,T1定量偏差仅为4.3%,R2*定量偏差仅为4.07 s-1。在前述定量方法的基础上,设计并实施了动物实验以验证方法实现NASH早期检测的可行性。以病理结果为依据,本文所述磁共振参数定量方法可以用于诊断NASH大鼠模型早期炎症,诊断炎症0-1级与炎症≥2级的受试者特性曲线下面积达到了0.79。动物实验诊断模型的建立,为技术下一步应用于临床试验提供了重要依据。综上所述,本论文改进了现有水脂分离算法,提高了水脂分离的稳定性;在水脂分离基础上,优化了腹部多参数定量序列,并实现了一次屏息内的全肝多参数定量;最后在动物模型中,验证了磁共振多参数定量方法的诊断价值,为进一步的临床试验奠定了基础。