高分辨率核磁共振成像技术为人脑解剖结构的定量分析提供了一个非常有效的非侵入手段。本文主要研究核磁共振脑图像分析的两个核心问题：脑组织分割和三维脑结构的参数化。 脑组织分割是核磁共振脑图像分析中非常关键的一个处理过程。对于三维核磁共振数据的分割，算法的速度和精度同样重要。本文提出了基于图元表示和贝叶斯框架的脑组织分割算法。该算法首先将观测图像分成一系列相互不重叠的区域，称之为图元，然后用这些图元简化了基于贝叶斯框架和马尔可夫场的期望最大化(EM)方法的计算。在此算法中，E-步和M-步的计算复杂性均和图元的个数基本成正比。并且，我们在图元为基础的图中，为每个图元以及连接相邻图元的每条边都引入了相应的图像属性，从而减少了组织分割中由于使用图元表示导致的误差。实验结果显示，我们提出的基于图元表示的方法，分割的精度和基于像素的方法基本相同，较原有的基于图元模型的方法(该方法使用了基于图元的噪声模型并且没有使用图元和边的图像属性)有明显提高；与此同时，基于图元表示算法的计算量和基于像素的算法相比显著降低。 参数化表面模型是形状分析中非常重要的一种表示方法。但是，传统的参数化方法只是试图保持映射中的角度或距离，没有考虑曲面之间的对应关系。因此，本文提出了一种基于形状特征的参数化方法，用于香蕉形状的三维脑结构的统计形状分析。首先，我们从三维二值图像中提取结构的三角网格表面，并在此表面上提取了两个最重要的标志点，既香蕉形状物体的两个端点。第二步，我们利用热平衡方程，限定两个端点的温度，求取表面上所有顶点的纬度值，然后利用等纬度圈求取物体的中轴。第三步，在物体表面上求取一条日期变更线，用它求取每条等纬线圈上的经度值。最后，我们对得到的参数网格进行调整，使结构表面到单位球面的映射更加均匀。我们将此方法用于阿尔茨海默氏老年痴呆症患者与正常老年人海马结构之间的统计形状分析，结果显示，我们的方法能够很好的保证参数化表面之间的对应性，比传统的方法更适合统计形状分析。