大脑灰质核团与诸多神经性疾病有着紧密的关联,因此对大脑灰质核团的研究在探究相关疾病的病理机制与临床治疗效果有着广泛的意义。精确的大脑核团自动分割技术会给予核团的形态以及功能等方面定量研究极大的帮助。本文将探究多种自动分割方法在磁共振定量磁化率图像中对大脑灰质核团分割的应用。本文阐述了大脑灰质核团在磁共振图像中分割的难点与磁共振定量磁化率图像在这方面研究的优势。本文分割的对象是尾状核、壳核、苍白球、齿状核、黑质、红核六种重要的灰质核团。目前,图集法是大脑灰质核团分割中最常用的技术。本文分别探究了单图集标签传播法与多图集标签融合法的分割准确度。研究结果表明图集法在分割黑质与红核时,分割结果同人工分割结果差异较大。针对上述结果,本文提出了基于种子点不连通性的水平集方法分割黑质与红核。该方法能有效提升分割的准确度且能实现对这两个核团的自动分割。在帕金森病人组与正常被试组的对比实验中,基于种子点不连通性的水平集法、图集法与水平集法对黑质与红核的分割结果均未表明两组被试者之间存在显著性差异。最后,本文探究了卷积神经网络法在磁共振定量磁化率图像中对大脑灰质核团分割效果。结果表明该方法的分割准确性要高于目前常用的图集分割方法。不断积累的训练数据量与不断优化的分割网络结构使得这一方法在图像自动分割领域具有非常大的潜力。