人脑是一个复杂的动力学系统,是大脑进行信息处理和认知表达的生理基础。探索大脑的组织结构与功能,有助于理解大脑的工作机制,对大脑相关病理学的研究都具有重要意义。近年来,很多研究人员将复杂网络理论应用到脑认知的研究中,把每个脑区看作是网络中的一个节点,两个脑区间的连接看作边,可以将大脑抽象成一个复杂网络,通过分析网络中的属性,可以帮助人们理解大脑网络的运转机制,对神经类疾病的研究有很大意义。随着人口老龄化速度的加快,阿尔茨海默病日渐成为危害老年人健康的一个重要问题,该疾病是一种神经退行性疾病,发病率高,目前尚没有有效的治疗方法,通过干预其早期阶段-轻度认知障碍,可以延缓疾病进展。已有研究发现,阿尔茨海默病患者的脑功能网络存在异常,但是,对该疾病早期阶段脑网络拓扑属性的变化,不同脑区划分情况对脑功能网络的影响情况,目前仍不清楚。本文从复杂网络的角度对阿尔茨海默病、晚期轻度认知障碍和早期轻度认知障碍及正常对照组进行了研究。主要工作如下：(1)收集四组被试的静息态fMRI数据和结构MRI数据,对这些原始数据进行必要的预处理,以降低噪音,提高数据质量。(2)采用AAL脑模板和Craddock脑模板对节点进行定义,提取fMRI数据的时间序列,分别构建所有被试的脑功能网络,提取网络中的节点属性,包括节点度,中间中心度和节点效率,计算节点属性的曲线下面积值。采用k-s检验方法选择不同组之间存在显著差异的节点属性的曲线下面积值作为分类特征,运用支持向量机算法对进行了两组间分类。(3)对结构MRI图像进行预处理,得到调制后可以反映灰质体积变化的灰质图像,然后采用基于体素形态学方法对四组被试进行了差异分析,得到了四组之间具有差异的感兴趣区,提取这些感兴趣区的灰质体积,去除性别和年龄协变量后作为分类特征；选取行为学量表中的简明精神量表作为分类特征,进行了分类研究。(4)采用SVM分类方法对两种脑区划分情况下的曲线下面积特征和上述步骤得到的灰质特征和简明精神量表特征进行了分类。研究结果发现,只有脑功能网络特征时,大脑划分的越细,正确率越高；加入灰质特征后,都能显著提高分类正确率；加入行为学量表特征后,分类正确率有提高,但都不明显；两种划分情况下,三种特征一起进行分类,分类效果最好。这意味着脑功能网络方法结合灰质和行为学量表可以对脑疾病进行研究,为临床诊断提供了辅助手段。