人类的大脑是世界上最复杂最精密的“机器”,虽然人类对大脑依旧知之甚少,但是人类依旧孜孜不倦地探索着大脑的奥秘,并且取得了一定的成果。目前,能够无创性探究大脑的功能磁共振成像技术已经成为研究人体大脑工作的主要手段之一。同时在神经科学、认知科学乃至脑科学等多个领域中,不再局限于人类大脑的运动、感知、听觉与视觉等方面的探索,而是延伸至对人类的认知、思维、情感、心理等方面的研究。同时,功能磁共振成像(functional magnetic resonance imaging)主要还应用于临床医学诊断等。本文对f MRI脑功能网络分析方法进行了研究,具体工作如下:首先通过研究用于f MRI数据预处理的Fast ICA算法,采用了一种基于修正白化矩阵的改进的Fast ICA算法。文中通过Matlab软件对Sim TB工具箱产生的模拟f MRI数据进行了仿真实验,证实了两种算法对于分离f MRI原信号的有效性。同时,通过对比常规的Fast ICA算法和所改进的Fast ICA的估计精度,采用分析信号降噪精度评价指标有均方误差(RMSF)、信噪比(SNR)来进行对比验证,证实了采用所改进的Fast ICA算法所分离出的源信号的精度值确实有所提高,这为后文处理f MRI数据奠定了基础。其次在传统的构建静息态f MRI脑功能连接网络的方法上,引入SVD矩阵分解对静息态f MRI数据进行进一步去噪,选取SVD矩阵奇异值个数11进行信号重构。并在构建脑网络功能链接中,首先将阈值设定为间隔0.01来计算和分析脑网络特性。然后在满足15%~45%的脑网络密度和脑网络的小世界性两种限制条件来限制阈值的取值,以此来保证所构建的脑网络的完整性。最后在选定阈值为0.28的基础上构建脑网络的邻接矩阵可视化图,对比分析SVD前后脑网络的差别,分析结果显示所采用的方法的正确性。最后在前面的研究基础上,针对基于左右手想象运动的任务态f MRI数据,对其采用目前研究比较前沿的蚁群聚类算法来进行社团划分。研究结果发现,左右手任务态脑网络社区被分为了七个社团,不同社团均参与了运动想象任务,如,负责处理运动信息的为中央后回;负责处理图像形状特征信息包含两个区域:枕中回周围皮层,其主要负责对动态的形状进行处理,颜下回,前扣带和旁扣带脑回、后扣带回登。接受、处理外界刺激信息,将处理内容传递到高级处理区;大脑右侧枕下回,加工处理大脑接受的运动信息;大脑颞上回,加工及处理高级视觉信息。下列是第六个社团内的脑区:后扣带和旁扣带脑回、后扣带回登、旁扣带脑回及前扣带脑回,其功能几乎等同于第二个社团脑区。该研究为大脑任务态下各个脑区之间功能以及联合协同工作机理奠定了基础。