功能磁共振成像(functional magnetic resonance imaging,fMRI)技术在大脑功能成像领域的广泛应用,为越来越多的学者探求人体静息态下所隐藏的生理和心理意义提供了有力技术支持。大脑静息态血氧水平依赖(blood oxygenation level analysis,BOLD)信号的变化能够反映其自发的神经活动,而且有可靠研究表明大脑神经活动在一天内的波动存在一定规律性。但目前对于静息状态下人体一天内节律性研究只是建立在一个假设基础上,研究结果不完善,因此本文基于大量正常被试静息态fMRI数据,对一天中人体节律性进行了系统的研究和证明。本文主要通过大脑各脑区同步性、功能节律网络内一致性及各网络间相关性对该问题进行研究。本文运用大脑功能连接和脑网络划分方法来研究静息状态下大脑中低频自发信号是否与人体日常表现出的节律性有关等问题。且有研究表明低频振荡振幅(amplitude of low frequency,ALFF)具有反映大脑自发神经活动在一段时间内变化情况的作用,因此本文利用ALFF作为衡量大脑自发神经信号变化规律的指标。参考之前大脑网络研究,首先在基于大尺度(脑区域)方法中,分析AAL模板下90个脑区间统计关系,观察单脑区一天变化规律。其次基于层次聚类算法对所有脑区分类,探讨划分脑网络内脑区间同步性问题及各网络一天变化情况。然后选择划分网络中呈显著相关的两脑网络,根据二者一个周期内的平均时序值绘制波动图像,判断节律性及同步性与人体节律性的关联。本研究经过大量分析发现,单个脑区在一天中都会呈现一定波动性,而负责日常躯体运动的中央前回脑区、作为听觉中枢的额中回脑区、负责学习与记忆的海马脑区、产生情绪并识别调节情绪的杏仁核脑区以及主管视觉的枕上回脑区在一天内出现节律性最强的波动变化。同时相比低频振幅,基于标准化低频振幅的波动图像与日常每个脑区功能活跃时间段更相符,这也证明了单脑区中存在节律性。另外通过分裂层次聚类算法得到七个功能节律网络,即视觉网络、注意力网络、默认网络、执行控制网络、感觉运动网络、听觉网络和认知执行网络。各网络在一天中同样出现有规则的波动,并且各脑网络波动与人体日常昼夜活动规律一致,每个网络内各脑区在一天变化中也呈高度的同步性。最后通过分析网络间相关性,对显著相关的执行控制网络与感觉运动网络做波动图像对比,证明两网络具有高度同步性,且与人体一天活动周期相符。因此本研究通过大脑自发原始信号证明了人体节律性的存在并为临床中相关大脑疾病的及早诊断和监控提供了新的研究思路。