基于磁共振波谱（MRS）这种无创地检测活体组织特定化学特性的影像信息学方法，本文研究和设计了一套针对微弱谱峰信号的自动检测的量化算法，实现了对低信噪比信号的量化估计，为其临床应用提供了可能。本课题研究的算法包涵了信号预处理和量化估计，前者内容包括水信号的抑制、降噪和基线校正，后者主要运用ER滤波（ER-filter）和基于Hankel矩阵的奇异值分解法（HSVD）相结合的时频结合方法。在量化估计部分，针对洛仑兹模型中代表信号成分个数的模型阶数K的选取这一关键问题做了不同方法的研究测试，并通过全仿真测试实验和在真实人脑MRS数据加入测试信号的半仿真测试实验对算法的性能进行测试。在保证算法误码率在5%以下的前提下，我们通过检出率和相对均方误差（RRMSE）来衡量算法的检测和估计性能，并给出了算法适合临床应用的信噪比（SNR）要求。在模型阶数K的选取上，我们首先比较了高斯曲线拟合法、峰度分析法和固定值法的性能差别，结果显示高斯拟合法在检出率和RRMSE上都有优势。在此基础上，我们进一步研究了基于归一化拟合质量数Qfit和最小信息长度MDL的估计方法，并提出一种有条件的最小信息长度方法MDLcon，其估计性能较好，且检出率最高。考虑临床应用的误差上限条件，MDLcon与高斯拟合法相比，其准确性较高，尤其是针对低衰减系数的信号的量化估计有较大的优势，检出率略低于高斯拟合。最后，本文对后期的工作进行了展望，希望本研究能为临床MRS微弱谱峰检测应用提供更加准确和直观的波谱信息，并提高算法的实用性和用户友好性，以实现其临床应用目标。