人脑拥有1000亿个神经元和100万亿个神经突触,是宇宙中已知的最为复杂的系统。多时空尺度的信息调和是脑功能支撑所有认知和行为的先决条件。因此,为了系统全面准确地探索大脑的工作机制,脑科学与认知神经科学研究须从连接和网络的层面进行。功能磁共振成像(functional magnetic resonance imaging,f MRI)作为一种非侵入性活体脑功能成像方法,具有较高的时空分辨率,为研究大尺度人脑功能网络提供了强有力的手段。本文以静息态f MRI为主要成像方法,进行了自发头动的神经网络机制和自发神经活动的时空动态特性等基础问题研究,以及基于功能连接磁共振成像(functional connectivity MRI,fc MRI)的脑状态有监督和无监督模式分析的方法学和相关应用问题研究。论文工作主要包括以下四个方面的内容:脑成像过程中自发头动的神经网络机制。脑指标的个体差异,特别是采用f MRI度量的功能连接,与数据采集过程中的头动差异具有相关性。这一结果的前提是,头动伪迹引起的连接差异被完全校正。本文第二章提出,脑连接差异也可能是预测头动差异的神经生物学特性。我们采用个体间和个体内的大头动数据和小头动数据的比较分析来支持这一论述。个体间分析找到了头动的生物学标记,即大头动被试默认网络内的远程功能连接减弱。在个体内的分析中则没有观察到相似的连接差异。相反,这一生物学标记在个体内具有很好的稳定性。这些发现表明,脑连接的差异不能简单地认为是头动伪迹效应,也有可能反映的是功能组织的个体差异。将疾病的生物学标记从本文报道的头动生物学标记区分开,可能对于确定治疗靶标和改进治疗方案具有重要意义。基于全脑静息fc MRI的重症抑郁症鉴别。本文第三章论证了基于全脑静息fc MRI的有监督模式分析方法鉴别重症抑郁症患者的可行性,结果证明基于全脑静息fc MRI的有监督分类方法可以以94.3%的分类精度将重症抑郁症患者从健康对照中鉴别出来。最具有区分能力的功能连接主要分布在默认网络、情感网络、视皮层区域和小脑内部或之间,表明这些与疾病相关的静息网络可能是引起重症抑郁症患者情感和认知紊乱的重要原因。此外,杏仁核、前扣带皮层、海马旁回和海马可能在抑郁症病理中扮演了重要角色。这些结果表明全脑静息fc MRI可以作为抑郁症诊断的潜在生物学标记。基于静息fc MRI的无监督脑网络模式分类框架。当前的精神疾病包括抑郁症的诊断都是基于病人自述症状及临床表现的,因此可能会受病人的当前行为和医生的偏见的影响。本文第四章提出基于静息fc MRI的无监督脑网络模式分类框架,在不利用诊断类别标签信息的情况下,采用fc MRI数据的无监督聚类分析鉴别抑郁症。我们采用静息功能连接在膝部扣带皮层内定义了两个亚区:膝下区和膝前区。基于膝下区的功能连接图谱,最大间隔聚类算法可以将抑郁症患者从健康被试中鉴别出来,组水平聚类正确率和个体水平分类正确率均达到92.5%。此外,最具区分能力的膝下扣带功能连接网络包括腹外侧和腹内侧前额叶、颞上回和边缘区域,这些连接可能在抑郁症的病理中扮演了重要角色。该研究表明,膝下扣带功能连接网络特性可以为重症抑郁症的诊断提供理想的客观的生物学标记,也表明基于最大间隔聚类的无监督机器学习方法在临床实践和辅助精神疾病研究中的潜能。人脑自发神经活动的时空动态特性。默认网络和注意网络在多个维度上的对立可能暗示了大脑组织的一个特征,即目标竞争的认知处理不仅在空间上是分离的,在时间上也可能是分离的。本文第五章通过单个BOLD(blood oxygenation level dependent,血氧水平依赖)-f MRI时间相位的共活动模式聚类得到了脑状态的瞬时合成与分解,显示了大脑活动在时域上由多个相互竞争的空间翻转模式所构成。这些活动模式与经典的功能网络关系是不一样的,并且在脑区内部可以在时域上动态地遵循截然不同的组织边界和功能边界。脑活动状态间的迁移是高度对称的,特别地,对立脑状态间的迁移概率是极低的。在执行语义分类任务时,这些空间模式的时域组织规律是相似的,与任务相关的状态在静息态下也可以观察得到,只是在任务态下有选择性地出现而已。总之,这些结果表明,在静息状态下,人脑活动在时域上表现为动态地在固定的功能模式剧目间切换,而这个剧目是由一些对立的活动模式对所主导的。通过提高对大脑固定的功能剧目属性的认识(包括确定它们潜在的电生理相关性),瞬时状态可能更好地揭示持续进行的认知处理过程,提供一个行为变化的指标,并作为疾病的潜在的生物学标记。