人脑的奥秘一直以来都激励着我们孜孜不倦的探索,而脑科学的研究将促进我们认识脑功能和脑疾病。在脑影像成像技术中,由于功能磁共振成像(functional magnetic resonance imaging,fMRI)技术可以获得空间和时间分辨率较高的脑图像,所以被广泛运用。在静息状态下的脑功能网络研究中,人们发现功能网络有着丰富的时域动态特性,并且呈现出按状态变化的形式。基于fMRI数据,本文提出了一个的包含连接波动性分析和连接状态分析的功能连接动态分析方法。具体地,本方法主要包括数据采集与预处理,动态功能网络和连接状态的提取,特征选择和特征提取,模式分类和回归,以及显著性和可靠性评估等部分。本分析方法结合了一般的脑功能网络分析和模式识别方法,定义了功能连接的动态性指标,规范了特征选择和提取流程,凸显了对结果显著性和可靠性的评估。在后续的实验中,本分析方法的实用性和合理性进一步得到证明。接着本文运用此方法分析了人脑发育和长期驾驶行为对动态功能网络以及以此为基础的连接状态的影响。主要内容如下:研究了动态功能网络编码个体脑发育成熟度。基于功能连接的脑影像表明特定功能网络的显著发育趋势与认知和行为的成熟有关。然而,关于发育过程中如何影响静息动态功能连接的研究却非常有限。基于滑动时间窗口法和偏最小二乘回归法,本文选取了183个年龄在7-30岁的健康被试,分析了被试的功能连接动态性随年龄的变化趋势。分析结果显示脑区间的动态互动可以用于准确地预测发育过程中的脑成熟度。并且发育相关连接呈现特定的网络分布,主要在小脑和默认网络内部,以及小脑、默认网络和腹侧注意网络之间。这些结果反映了特定脑区之间连接波动性随着发育过程发生变化,同时还为我们更深入理解功能连接的时间动态特性提供了新观点。研究了长期驾驶行为引起功能连接状态驻留时间的变化。基于构建的连接动态分析方法,本文评估了长期驾驶行为对动态功能连接的潜在影响,发现驾驶员和非驾驶员的警觉网络相关连接波动性,以及警觉相关连接状态的驻留时间都存在显著的组间差异。本文的研究首次报道了长期驾驶行为对功能网络动态性的影响。并且,因为本文中驾驶可以当成一种长期的行为,所以我们的结果还为研究大量训练如何影响大脑功能网络动态特性提供了新观点。