在神经影像学领域,静息态功能脑网络分析有了一定的进展。然而,传统的功能连接网络通常是基于成对相关来构建脑区之间的二阶关系,忽略了脑区之间的高阶关系。这些高阶信息对于探索精神疾病的内在病理机制具有重要意义。为了表示这种高阶信息,提出了一种超网络构造方法。超网络是由超图定义的。其中,节点代表大脑区域,超边缘代表多个大脑区域之间的相互作用。鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义,它反映了网络模型对攻击的容忍度。在人脑网络中,鲁棒性可以模拟脑疾病状态下的功能紊乱。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性--鲁棒性展开分析。针对这些问题,文章引入Lasso,组Lasso和稀疏组Lasso方法求解稀疏线性回归模型构建超网络,比较三种超网络的结构。然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性。将其与传统脑功能网络的鲁棒性进行对比分析,探究更为稳定的网络,同时研究抑郁症与正常超网络的鲁棒性差异。本文的主要创新工作包括:（1）将鲁棒性理论引入到脑功能超网络研究中,利用蓄意攻击策略对脑功能网络及超网络进行鲁棒性对比分析。（2）对不同稀疏度下的脑功能网络与基于稀疏线性回归模型构建的不同脑功能超网络进行对比分析,评估其鲁棒性,探究更为稳定的网络。（3）将抑郁组和正常对照组的静息态脑功能超网络进行对比分析,研究其鲁棒性的组间差异。实验结果表明,三种方法构建的超网络存在拓扑结构的差异。对超边进行创建的时候,Lasso方法最为严格,组Lasso最松散,稀疏组Lasso方法居中。在蓄意攻击模式下,组Lasso和稀疏组Lasso方法构建的超网络的鲁棒性更强一些。同时综合来看,组Lasso方法构建的超网络鲁棒性更强,更稳定。在超网络与普通网络鲁棒性对比分析中,无论是抑郁症患者还是正常对照组,基于稀疏线性模型构建的超网络脑区节点受损下的大脑拓扑变化相较于传统脑网络来说更为稳定,在目标攻击下具有更强的鲁棒性。此外,抑郁组的脑功能超网络相较于正常对照组更均匀随机化一些,在应对蓄意攻击时的网络连通性和网络完整性都更高。超网络模型能够更真实地反映人脑之间的直接交互作用,构建出更加真实有效的脑网络,这对于更加准确的探究脑网络的鲁棒性是非常重要的。而超网络对攻击的容忍度,也就是网络的鲁棒性对于评价超网络是否稳定以及可靠也是非常重要的。基于此,本课题有一定的研究意义与价值。