谱峰的线宽(与谱图分辨率有关)是核磁共振波谱的一个重要指标,而线宽或者谱图分辨率又高度依赖于核磁共振实验中被测样品所感受到磁场的均匀性。其次,定域谱作为一种可以实现非侵入地测量生物组织的代谢物信息技术,已在临床辅助诊断和生物研究方面表现出优异的效果。然而在进行生物组织的相关实验时,磁场不均匀性也同样困扰着技术人员。虽然能通过各种硬件改善或实验方法减少磁场的非均匀性影响,但磁场强度几乎不能始终保持均匀,如生物组织这类因为固有的磁化率差别导致的磁场不均匀。目前在抵抗不均匀磁场研究中,大多数从实验的角度来解决这个问题,通过数据后处理的方法,目前还无法有效且较完美地解决。由于神经网络算法等数据处理的技术日益发达,已有多个成功应用的领域,由此尝试将NMR和神经网络技术相结合,实现非均匀磁场下的定域谱自动校正以及量化分析。本文所做的第一个工作,提出了一种解决非均匀场下高分辨重建问题的方法,将神经网络算法引入到一维1H MRS中,通过训练设计好的神经网络模型,将一张非均匀磁场下较低分辨率及较低信噪比的谱图重建成一张高分辨率、无噪声的较理想谱图,并通过模拟和实验实采数据进行测试及量化评估指标的讨论分析。本文第二项工作内容为,提出了一种解决非均匀场下脑代谢物波谱数据量化的方法,基于第一项工作中讨论的神经网络技术应用于核磁共振定域谱中的理论基础,再次引用神经网络技术并结合具体的目标(代谢物谱图量化),即可通过新的数据训练设计好的神经网络模型,将一张非均匀磁场下较低分辨率及较低信噪比的谱图输入,能输出对应的各种代谢物的浓度信息,从而实现了量化。