阿尔茨海默症（Alzheimer’s Disease,AD）是不可逆的弥散性神经系统退行疾病,受多种基因和遗传变异的直接影响,患者表现为认知功能障碍和记忆损坏。轻度认知功能障碍（Mild Cognitive Impairment,MCI）处于健康老龄化和痴呆之间的过渡阶段,MCI患者已经出现认知和记忆方面的问题,MCI患者是发展为AD的高风险人群。目前AD发病机制尚不清楚,以药物为主的治疗效果有限。因此,寻找高敏感度和特异性的AD早诊影像学标志物是非常有意义的。大脑是一个复杂非线性动力学系统,但AD动力学指标分析较少。另外,大部分研究基于真实AD影像数据分析,受到伦理约束,无法进行损伤研究。神经动力学模型可以将多模态数据整合到一个框架中,可以不受伦理约束地进行损伤研究,便于揭示大脑结构和功能关系、探究AD的发病机制,为AD早期干预留下宝贵的时间窗口。因此,本论文利用阿尔茨海默症神经成像倡议（The Alzheimer’s Disease Neuroimaging Initiative,ADNI）数据,基于真实影像数据进行实证分析,挖掘AD异常亚稳态动力学指标,用于AD早诊;构建神经动力学模型,进行脑损伤研究;完成模型构建平台。具体研究内容如下:（1）基于实证分析的AD异常亚稳态动力学指标挖掘。本研究利用真实功能磁共振成像（functional Magnetic Resonance Imaging,f MRI）数据从全局、RSN内和RSN间三个角度分析AD及其前驱MCI患者的亚稳态动力学指标的异常,研究患者大脑信息传递能力的变化,挖掘AD早诊指标。为了与传统线性指标对比分析,本研究补充了功能连接的结果。研究结果表明AD发展过程中,患者全局同步性和亚稳态逐渐下降,全脑信息传递效率和灵活性受损;RSN结果显示AD患者与认知有关的网络和感觉运动网络的内部亚稳态动力学受损;并且随着AD的发展,几乎所有RSN间的交互作用都受到影响;AD中的这些异常还显示出与认知功能障碍显著相关。因此,同步性和亚稳态有助于AD早诊,可以纳入AD早诊指标体系。（2）构建被试级动力学模型,探究AD结构损伤的亚稳态动力学机制。为了探究AD发病机制,本研究基于Kuramoto振荡器构建了神经动力学模型,通过对个体大脑虚拟损伤来模拟AD大脑结构病变过程,利用神经动力学模型模拟解剖结构病变,研究虚拟损伤后的大脑神经活动,探索解剖结构病变和功能失衡之间的机制。通过计算并分析模拟大脑活动的亚稳态动力学,发现MCI和AD组模拟全局亚稳态显著下降,这和经验结果中观察到的趋势一致,证明了AD结构的宏观损伤导致了亚稳态的下降;通过研究AD结构损伤的一致分布,发现AD大脑结构和功能的变化有一定的相似性;本研究还发现模拟的全局亚稳态与临床表现相关,再现了经验数据的结果,侧面反映了模拟的大脑活动接近真实大脑活动;通过对病变后的SC拓扑指标与模拟的全局亚稳态做相关性检验,发现了病变后的SC的拓扑指标下降,并且和模拟的全局亚稳态之间有统计学意义的正相关,反映了AD患者亚稳态动力学的下降与SC的结构完整性有关;本研究结果说明结构和认知可以通过亚稳态神经动力学联系起来。（3）开发了神经动力学模型建模与分析平台。已有的动力学模型平台仅仅实现了模型构建功能,数据的预处理和指标计算等工作都需要用户利用其他工具包或自己编码完成。因此,为了更方便地进行动力学模型分析,本研究开发了一个神经动力学模型建模与分析平台,实现了数据预处理,指标计算和模型构建功能一体化。该工具有助于提高神经动力学模型研究的效率,促进动力学模型在脑科学研究中的应用。综上,本研究通过实证分析和基于计算模型的损伤研究,挖掘了AD异常亚稳态动力学指标以及探索了AD结构损伤的亚稳态动力学机制。结果发现AD及MCI患者的亚稳态神经动力学在全脑和RSN水平上出现一些异常,这些异常会导致患者的认知表现紊乱,并且与解剖结构的损伤有关,亚稳态动力学指标有望成为候选的AD异常的影像学指标。本研究拓展了现有的大脑功能分析方法,为AD早诊指标体系挖掘和探索AD发病机制提供了新的视角,有助于个性化诊疗。分析平台的开发有助于动力学模型在脑科学研究中的应用。