大脑作为人类的指挥系统，具有复杂的组织结构和功能机制。通常情况下，大脑作为一个整体，许多脑区之间的功能具有一定的相似性，即静态网络。同时在功能执行的时候又会存在相互的影响，如相互调节或相互抑制，即动态网络。随着时代的进步，人类在不断地对外界环境进行探索和认识的同时也加强了对自身组织的了解，尤其对大脑的研究。脑成像尤其是磁共振成像技术的兴起为人类对自身大脑的研究提供了很好的工具。目前，作为一个热点研究领域，基于磁共振的人脑网络的研究已经得到了很大的发展。而最为重要的和被公认的网络包括之前提到的静态网络和动态网络。这些研究在帮助人类认识自身的同时也为人类疾病研究提供了很大的帮助。本文则紧紧围绕人脑网络研究的热点问题，以磁共振数据为基础，对大脑网络分析方法的应用和发展研究进行了探讨，并得到了很好的效果。本文主要包括如下几个方面：　　 ⑴提出一种基于贝叶斯学习的径向基函数神经网络方法，并用于任务状态下大脑功能网络定位。结果很好的分出了视觉、想象和动手大脑活动网络。这表明了该神经网络方法在磁共振数据功能定位方面的可行性。同时也证明了该方法能分离多任务状态下的大脑功能响应，为多任务刺激下的功能定位提供了一种新的手段。　　 ⑵将功能连接和结构连接结合起来对癫痫病人默认网络进行研究。结果发现癫痫病人相对正常人PCC和双侧海马区域功能连接和结构连接都同时降低。另外功能连接和结构连接存在显著的正相关性。这说明了功能连接和结构连接分析方法相融合在磁共振数据处理中的可行性和可靠性，并为人脑科学研究提供了新的方法模式。　　 ⑶首先介绍了在探测大脑动态网络中常用的格兰杰因果关系分析方法。同时为了解决格兰杰因果关系分析方法不能解决的磁共振信号中的非线性因果探测问题，提出了一种核因果分析方法。通过仿真实验可以看到，相对于格兰杰因果分析方法，核因果分析方法能很好地探测到两信号间的非线性因果关系。核因果分析方法的提出和在磁共振数据处理中的应用，将会对大脑信息的传输进行更加全面的刻画。