静息状态下，大脑的自发神经活动是由多个具有特定功能的神经网络协调耦合形成的，这些网络称为静息状态网络。利用功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）技术，本文深入研究了组独立成分分析（group Independent Component Analysis，group ICA）和偏相关（partial correlation）在静息状态网络研究上的应用，并探讨了静息状态网络的空间模式，以及网络之间的功能连接，即功能网络连接（functional network connectivity，FNC），从脑功能网络的角度来研究静息态下正常人脑的功能。此外，还将此方法应用于寻找基于fMRI数据的阿尔茨海默氏症（Alzheimer’s Disease，AD）的生物指标，通过与正常人脑研究结果的比较，考察病理条件下功能网络的异常，从而加深对AD病理机制的理解和认识。　　 ICA作为一种数据驱动的统计分析方法，是功能连接分析中的重要工具。然而普通ICA只适用于分析单个被试的fMRI数据而无组分析效应，group ICA将ICA方法扩展到同时分析一组被试的fMRI数据，每个被试的分离成分以相同的顺序排列，且具有相似的空间结构。本文应用group ICA分离静息状态网络并研究其空间模式，研究结果表明group ICA比ICA能够得到更加显著的组分析结果，而且大大降低了计算复杂度。　　 FNC测量功能网络之间的时间相关性，ICA分离成分（网络）在空间上相互独立，而对应的时间序列并不独立且存在一定的相关性。然而，传统的FNC分析方法采用边缘相关，在考察两个网络间是否相关时无法排除其他网络造成的直接或间接的影响。在本文中，提出用偏相关方法计算FNC。由于偏相关能够排除其他网络的相互作用和干扰，基于偏相关的FNC分析方法可以揭示两个网络之间的“直接”相关性，研究结果发现偏相关方法比边缘相关方法能够更加敏感地检测到网络之间的FNC。基于偏相关的FNC分析方法为研究人脑静息状态网络间的功能连接提供了一种新方法。　　 我们分别将上述两个方法应用于比较AD患者和正常被试的六个静息状态网络空间模式和FNC的差异。结果发现与正常被试比较，AD患者在默认网络和注意网络的活动强度减弱，暗示网络内部脑区间功能连接度降低。同时，基于偏相关的FNC表明，AD患者的FNC与正常被试相比是降低的，这些结果为AD功能连接缺失的假设提供了新的证据，可能成为该病临床前期诊断的重要生物学指标。