功能磁共振成像(function Magnetic Resonance Imaging, fMRI)是一种重要的脑功能成像技术。通过对采集到的fMRI数据进行独立分量分析(independent component analysis,ICA),可以获取脑认知所需的空间成分及其时间成分。完整的fMRI数据是复数,但由于fMRI相位数据噪声严重且特性未知,人们通常只分析其幅值数据(即实数fMRI)。然而,越来越多的证据表明,相位数据含有独特的脑功能信息,对其进行有效的利用,有助于揭示更为完整的脑功能信息。目前,复数fMRI数据的ICA分析采用了预处理消噪法,但存在信息损失问题；ICA后处理方法也不够完善。为此,本文提出一种能够充分利用ICA估计成分相位信息的后处理分析框架,具体内容如下：(1)针对复数ICA固有的相位模糊问题,提出了基于时间成分的相位模糊矫正方法。通过时间成分和空间成分的非环形度对比,以及对激活区体素相位原理和fMRI时空关系的分析,提出了时间成分实部能量最大化的相位模糊矫正准则,并利用标准时间序列或空间参考信息去除了矫正过程中的符号错误,成功解决了相位模糊问题。实验结果表明,本文基于时间成分的相位模糊矫正方案具有鲁棒性好、准确率高的优点；(2)针对相位噪声对ICA空间成分激活区的严重干扰问题,提出了相位定位思想和相位掩蔽方法,以及将相位范围和幅值强度相结合的空间可视化方案。相位定位利用ICA空间成分的相位信息区分有用体素和干扰体素,相位掩蔽法利用相位定位mask去除ICA空间成分中的干扰体素,提取激活区域。最后,结合体素的幅值强度信息,精确提取激活区域。实验结果表明,这些方法具有去噪性能好、激活区提取准确度高等优点；(3)利用本文提出的复数fMRI数据分析框架,对运动刺激下的主要脑功能网络进行了提取以及交互作用分析,验证了本文框架的有效性和普适性,并为复数fMRI数据的功能连接工作提供了有效的支持。