功能磁共振(fMRI)作为一种非侵入性的手段,已成为脑科学研究中重要工具之一。通过分析fMRI得到的血氧水平依赖(BOLD)信号,我们已经揭示了大脑许多脑区的活动特点,以及不同脑区之间功能上相互配合的特性。传统BOLD信号分析往往基于一定的时长,结果反映了大脑在一段时间内整体活动情况。在这一时间段内,大脑活动相对而言是静态的。实际上,我们的大脑无时无刻不处于波动当中,具体一段时间内的动态活动情况也值得我们探究。如今已有许多研究开始关注大脑的动态特性。这些研究聚焦于更短的时间窗,甚至具体时刻点下脑区的活动。在不同的动态研究方法中,瞬态共变方法因其假设简单,操作简便,参数依赖性小的特点受到我们关注。该方法根据同时刻共同活动的脑区,将大脑分成不同的模式。在不同模式下,脑区之间展现出不同的合作／竞争关系,反映出大脑脑区之间的动态活动特性。本论文包括两个研究。一是瞬态共变方法在真假指压反馈任务中的应用。在该研究中,我们假设注意和内外信息的交互会受到反馈状态的调节。基于此假设,我们研究了默认网络、执行控制网络以及感觉运动网络的动态活动特性。研究发现,“默认网络-执行控制网络竞争模式”在真反馈条件下出现的次数大于假反馈(p=0.0003),而“默认网络-视觉相关脑区促进模式”在假反馈条件下出现次数大于真反馈(p=0.0004)。感觉运动网络的动态特性在两种反馈条件下没有显著差别。结果揭示出,以视觉为导向的运动反馈涉及到更高级的认知功能网络,而不仅仅是初级运动网络。对内部及外部环境的动态监测以及多感觉通路的整合可能是其内在机制。二是基于独立成分分析(ICA)对瞬态共变算法进行改进。我们认为,比起从某一具体种子点中提取的时间序列,基于ICA算法得到的功能网络时间序列更具有代表性。如果基于网络时间序列进行时间点分类,结果更能反映该网络和其它网络或脑区的相互关系。通过对一组静息态数据的实际计算,我们发现最后得到的动态活动模式有效避免了单一种子点带来的有偏性,模式内部网络也更明显。利用这一改进的算法,我们又比较了睁眼和闭眼静息态下,各个模式出现次数的差异。结果显示,任务相关网络以及“视觉区与其它感觉区竞争模式”在睁眼条件下出现次数更多(p分别为0.0050,0.0050和0.0008),而额顶网络以及“视觉区与其它感觉区促进模式”在闭眼条件下出现次数更多(p分别为0.0001和0.0000)。结果提示我们,在静息态下,睁眼闭眼条件会对各模式有调节作用,特别是外部视觉输入会造成影响。