由于传统的基于区域的部分容积效应改善方法在对失智症患者的动脉自旋标记图像改善过程中引入了像素点最近邻域内其他的像素点信息,可能会导致改善结果过度模糊,且严重缺失大脑组织结构细节的问题。本文提出了一种基于单像素点信息的部分容积效应改善方法,不额外引入其他像素点信息,只基于单像素点本身信息进行部分容积效应改善,避免了传统的基于区域的改善方法的缺陷。利用深度学习模型实现由结构性磁共振成像推衍得到动脉自旋标记磁共振图像,由于动脉自旋标记图像是一种功能性磁共振图像,所以此推衍过程是由结构性磁共振图像到功能性磁共振图像的异构推衍。利用新提出的基于单像素点的改善方法对推衍所得的动脉自旋标记图像进行部分容积效应改善。再将结构性磁共振成像与推衍所得的动脉自旋标记图像相结合,运用多种诊断工具对失智症患者病情进行智能诊断研究。