阿尔茨海默病（Alzheimer’s Disease,AD）是一种神经退行性疾病,多发生于老年时期,造成患者生活能力下降,家庭和社会的经济压力与心理负担。其病因尚不明确,主要通过改善精神和认知的药物缓解症状。本文以静息态功能磁共振影像为基础,从动态功能网络角度出发,提出了两种AD动态功能脑网络异常拓扑属性分析方法。本文的主要工作如下:第一,提出了基于可见图的AD动态拓扑时变网络分析算法。首先,结合时间导数乘法和滑动窗口构建了每个被试的动态功能连接网络。其次,利用图论方法计算出动态功能网络拓扑属性的时间序列。最后,基于可见图算法为每个被试构建局部动态拓扑时变网络和全脑动态拓扑时变网络。从局部拓扑时变网络和全脑拓扑时变网络的角度探究阿尔茨海默症患者动态功能网络的异常时间特性。结果表明,CN组局部时变网络呈规则性变换,随着疾病的加重,功能连接动态波动的混乱程度不断增加。与CN组相比,AD病程中的各个时期出现了显著差异性脑区,并且随着疾病加重,差异性程度增加。AD患者局部脑区异常主要发生在右侧眶内额上回、左侧距状裂周围皮层、左侧枕中回和右侧枕下回区域。随着疾病的发展,全脑拓扑时变网络最短路径长度降低,小世界属性增加。我们的研究结果从局部拓扑时变网络和全脑拓扑时变网络的异常特性中,提出了理解AD进程中动态网络时间特性的新见解。第二,提出了基于Louvain多层网络模块化的AD动态脑网络状态分析算法。首先,结合时间导数乘法与滑动窗口构建每个被试的动态功能网络。其次,将多层网络模块性嵌入到Louvain算法中获得AD患者和CN对照组的多层网络最大化模块性及其模块划分情况。最后,利用模块化程度为AD组和CN组划分了不同高低模块化时期,并且对各组的模块内z分数和模块间参与系数的直方图进行聚类,划分整合与分离状态。研究结果表明,与CN组相比,AD组中专业化功能网络连接模式降低,并且AD患者大脑功能连接更倾向于处在低模块化时期以及整合状态下,更容易转化为全脑信息传递状态。AD患者中默认模式网络内部及其网络间的连接降低,注意网络内部及其网络间的连接增加。AD专业化信息处理模式下降有助于理解AD认知改变的病理机制。