执行功能(Execute function, EF)是认知功能的重要组成部分,一般指具有特定的目标导向、有意识控制的高阶心理加工过程。执行功能在人们日常生活中起到关键作用。执行功能障碍会导致多种困难,也是某些精神类疾病的主要表征。执行功能包括计划策略、工作记忆、短时记忆、抑制控制、定势转移等一系列认知功能。大量研究表明：执行功能中包含的复杂认知功能主要依赖于前额叶皮层的神经活动。然而以往关于执行功能神经基础的研究多集中于任务引起的大脑皮层激活情况,对于静息状态下的脑功能活动与执行功能行为水平之间的关联的探究还十分有限。多项研究表明,静息态下脑区间的功能连接分析更有助于在排除外界刺激干扰的条件下揭示大脑认知功能的内在神经机制。本文首先分析了静息态脑功能网络拓扑属性与执行功能行为水平的相关性,然后采用最小绝对收缩选择模型估计算法(Least Absolute Shrinkage and Selection Operator, LASSO)初步探究了静息态脑功能网络拓扑属性对于执行功能行为水平的预测作用。具体工作如下：第一,采用功能性近红外光谱(functional near infrared spectroscopy, fNIRS)技术采集90名受试者的静息态数据,通过图论的方法构建前额叶皮层静息态脑功能网络,发现了基于fNIRS构建的前额叶静息态脑功能网络具有稳定的小世界特性。第二,通过计算求得三个局部网络拓扑属性度量参数(节点度、节点效率、节点中介核心性)与四个全局网络拓扑属性度量参数(聚类系数、特征路径长度、全局效率、局部效率),计算各网络参数与各项执行功能行为水平测试分数(计划策略、工作记忆、短时记忆、抑制控制、定势转移)以及总分数之间的皮尔逊相关性,并采用bootstrapping方法进行稳定性检验。实验结果表明：(1)执行功能测试分数与局部网络参数显示出显著相关性,而且,与不同的能力相关联的脑区位置也体现出一定差异；(2)执行功能总分数与全局网络参数和局部网络参数均未显示出显著相关性。第三,采用LASSO算法,以静息态脑功能网络拓扑属性度量参数为解释变量、执行功能行为分数为响应变量建立回归模型,分析了各网络拓扑属性对执行功能行为水平产生的影响和预测作用。实验结果表明：静息态脑功能网络拓扑模式对于执行功能行为水平具有一定的解释功能和预测作用。本研究结果表明前额叶静息态神经网络对于执行功能任务中的行为表现具有重要作用,前额叶静息态功能网络的局部拓扑属性可以作为衡量执行功能水平的一种重要的神经标志。本文的研究结果不仅有助于推进我们对于执行功能神经基础的认识,而且对于基于fNIRS的执行功能障碍的临床诊断具有借鉴意义。