大脑是目前已知最复杂和最精细的系统之一,其本身是由解剖上相连、功能上既相互联系又相互独立的脑区组成。伴随着影像学技术发展,尤其是功能磁共振技术的日渐成熟,人们可以连续观测立体大脑影像及其活动过程。目前,基于图论的复杂网络理论也成为神经科学研究的有力工具。结合影像学技术和复杂网络理论,脑网络研究成为当今脑科学研究领域的热点,脑网络能够从系统水平上研究脑区间的连接机制,揭示大脑的内在组织模式及疾病原理。本文以神经系统疾病为背景,基于功能磁共振数据,对大脑网络建模与分析的关键技术进行了研究。大体上讲,本文研究内容包括三个部分：第一部分,脑功能网络建模数据预处理及建模方法研究。该部分重点提出了一种有效的静息态磁共振数据降噪方法,同时,对脑网络建模的连接方式进行了分析和探索。首先,噪声和个体差异是静息态功能磁共振数据有效利用的主要困扰因素之一。针对这一问题,本文结合功能磁共振数据特点,首次提出利用点过程原理对静息态功能磁共振数据进行降噪处理。研究结果表明,该方法可以有效降低BOLD信号的噪声干扰,凸显组间差异。其次,在研究脑网络连接过程中,存在不同的连接方式,目前对于各种连接方式的区别和特点还很少有研究进行系统分析。针对这一问题,本文利用健康人静息态功能磁共振数据,对多种不同连接方式进行横向比较。结果表明根据不同连接定义所构建的脑网络存在较大差异。在实际研究中,应结合实验条件和目的,选择合理的连接方法。同时,本研究首次利用小波变换一致性方法构建了全脑功能网络图谱,分析发现不同波段的脑网络表现出不同的网络特性,这表明从不同频段观测脑功能网络是十分必要的。第二部分,局部脑网络和全局脑网络建模研究及分析,主要为应用部分。该部分重点研究了脑卒中患者主要运动区域脑功能网络连接的改变,以及不同频段下阿尔茨海默病患者全脑功能网络的改变。首先,脑卒中是常见的多发疾病,运动缺失是脑卒中后最主要的伴随症状,目前还很少有研究探讨中风后运动区域耦合的改变。针对这一问题,本文首次利用基于独立成分分析的受约束最大相关方法,探索脑卒中后大脑主要运动区功能网络连接改变。研究结果表明,脑卒中患者组的功能网络连接比健康对照组的连接更复杂,更重要的是,我们发现在中风患者的功能网络连接里面存在补偿环路。结果意味着基于独立成分分析的脑功能网络建模方法是研究神经病变的有效手段,研究结果可能为脑卒中患者的康复过程提供评估指标。其次,阿尔茨海默病(Alzheimer’s disease, AD)是老年人中常见的多发性疾病,以往研究表明AD患者认知功能下降可能和脑网络的拓扑属性存在相关关系,但是关于AD脑网络拓扑属性的研究中存在不一致的结果。针对上述问题,本文研究了AD患者组和健康对照组在三个不同频段(0.01-0.06Hz,0.06-0.11Hz和0.11-0.25HZ)脑功能网络拓扑参数的异同。研究结果表明,不同滤波频段下,脑网络的拓扑参数存在较大差异,这样的结果有可能解释以往AD脑网络研究结论中存在的不一致。在较低频段,我们发现AD患者组脑功能网络的全局效率、小世界属性、聚类系数均存在不同程度的下降、相配系数变大、同步性变弱。该研究结果有可能为AD早期诊断的生物学标识提供参考,并为脑网络建模过程中滤波段的选取提供理论基础。第三部分,脑网络演化模型及动力学分析研究,该部分首次提出了在病变及老化过程中脑功能网络的动态演化模型,并提出采用信息论的相关方法对脑网络的动力学特性进行了分析。首先,由于现有的技术手段很难对神经系统的缓慢变化过程进行有效观测,这使得我们对神经系统老化及病变过程很难进行系统研究。针对这一问题,本文利用静息态功能磁共振数据,建立了两个不同的脑网络演化模型来仿真脑网络在不同情况下的动力学过程。在AD演化模型中,本文首次提出把网络节点介数和节点间解剖距离作为控制因子的演化模型。在年龄演化模型中,本文首次提出利用差分进化算法对脑网络演化过程进行优化。研究中,利用两个演化模型对不同实验数据进行演化,均取得了较好结果,并分别采用支持向量机和独立样本验证了模型的可靠性。据我们所知,这是第一次应用计算仿真方法来研究人脑在网络层面的功能变化,该研究可能为诸如阿尔茨海默病等老年疾病的研究提供新的方法。其次,大脑作为信息处理器官,有关脑网络研究还很少从信息学角度对其行研究或评估,也很少有研究采用基于信息学的网络指标来衡量脑网络。针对这一问题,本研究基于符号动力学计算了青年组和老年组磁共振时间序列的概率熵及分形维数。同时,计算了青年组和老年组脑功能网络的搜索信息熵。通过研究发现符号动力学方法可以降低磁共振数据中的噪声成分,凸显组间差异；研究发现老年组额叶区域、基底节区域的概率熵增大,这可能是造成老年人思维、行动相对迟钝的重要原因；研究还表明搜索信息熵是表征脑网络信息交互的一个较合理参数。本研究为大脑机制的解释提供了新思路,为全面理解大脑工作原理提供了新的途径。