核磁共振影像具有空间分辨率高、可计算性强的优点,如今已被广泛应用于精神疾病患者的早期诊断和干预。利用核磁共振影像,我们不仅可以从大脑的局部和网络等方面开展关于脑功能和形态学的分析,而且能够从多个尺度和模态来对特定精神疾病的病理学特征进行研究。基于静息态功能核磁影像,本文首先使用时变功能连接的方法分析了动态功能连接的时域特征在区分青少年广泛性焦虑(GAD)上的效力。GAD是在一种在青少年中较为常见的焦虑症。青少年GAD患者被认为是其他精神疾病的高风险人群,到目前为止,该疾病的发病机制尚未得到充分探索。既往的多数研究都是基于静态功能连接(FC),忽视了FC随时间的波动,并将研究重点放在了负向情绪处理环路。为了研究由GAD引起的动态FC异常,以及动态FC作为该疾病的生物标志的可能性,本文计算了动态FC的两种时域特征,Hurst指数(H)和方差(V),并验证了该特征在识别青少年GAD时的效力。通过留一交叉验证,本文发现,当H和V同时作为分类特征时,GAD的识别率达到了88.5%。结果表明,利用动态FC的时域特征,我们可以实现具有临床实践效力的计算机辅助诊断系统。本文也为进一步理解青少年GAD的病理生理提供了参考。在另一方面,我们引入了超网络的分析方法研究自闭症(ASD)对高阶功能网络的影响。近期发表的神经科学研究证实,除了成对区域间的(二阶)功能连接外,大脑皮质各区域间还存在着高阶功能连接。有研究表明少数脑区可以在较短时间内参与多个功能活动,而特定精神疾病可能会改变某些区域间的高阶相互作用。为了研究功能核磁共振数据的高阶连接性,我们使用基于稀疏表示的方法,通过稀疏线性回归模型定义大脑区域间的超连接(高阶连通性),并引入正则化技术来避免冗余或假阳性连接。在此基础上,本文通过考察超网络的特定网络属性来研究ASD对患者大脑网络的影响。通过统计分析,本文发现在ASD患者的语言、默认模式网络的特定节点存在着异常的超网络属性,而这些异常可能与ASD患者的大脑左右半脑间的不平衡发育有关。