丘脑是人体大脑里最重要的结构之一,它调控大脑区域内感觉与运动信号的传递,此外它还与意识、睡眠与警觉的调节有紧密关系。目前已经有一系列研究表明,一些神经系统疾病会引起丘脑结构状态的改变,如阿兹海默症(Alzheimer disease,AD)与前背核团、帕金森症(Parkinson’s disease,PD)与丘脑底核、精神分裂症(Schizophrenia)与背内侧核、癫痫(Epilepsy)与前核等。上述病症可通过以丘脑核团为靶区进行手术治疗,如深度脑刺激(Deep Brain Stimulation,DBS)就是一种以刺激丘脑皮层神经通路来恢复神经功能的手段,然而确定手术靶区需要丘脑核团的准确定位,传统方法使用解剖图谱作为模板,但是个体具有差异性,丘脑核团的具体位置、大小、形状因人而异,因此采用解剖图谱作为活体丘脑核团定位模板有很大的局限性。本文设计了一种基于脑连接的丘脑功能分区方法。丘脑分区即是对丘脑的体素进行无监督聚类的过程,首先使用弥散张量成像(Diffusion Tensor Imaging,DTI)进行纤维追踪以获得活体大脑内部结构连接信息,其次针对复杂非线性的丘脑皮层结构连接特征,本文使用深度子空间网络学习特征的隐藏子空间映射。最后,对体素特征加以空间约束能够降低噪声的影响,更好地反映空间拓扑结构,丰富对空间信息的提取,利于丘脑体素的有效聚类。本文旨在基于弥散张量成像研究活体丘脑功能分区。在个体丘脑功能分区的结果基础上,构建群组丘脑分区图谱。考虑到个体的差异性,本文在群组水平探讨分区图谱的有效性及方法的优越性。针对图谱的有效性验证,本文在核团的功能连接和结构连接上验证了与皮层的联系。针对研究方法的优越性验证,本文使用可复现性和功能一致性两个指标进行对比实验,同时考察了聚类算法中参数对算法性能的影响。实验结果证明,本文方法能够在活体下得到有效的丘脑功能分区,相比于经典丘脑分区方法有明显优势。