功能磁共振成像(fMRI)可反映脑皮质对认知任务或外界刺激响应的血氧功能;弥散张量成像(DTI)可以追踪出脑区之间纤维束连接的结构。融合两种图像,可精确直观地揭示脑功能区之间纤维结构连接的关系。静息态fMRI是大脑的自发活动,揭示各脑区之间的关联,对大脑的运行机制能够更深入研究。默认模式网络(DMN)是在人脑处于静息状态时维持人脑健康代谢活动的若干具有时间相关性的脑区组成的网络。　　本文将对独立成分分析(ICA)进行改进,并应用于fMRI功能区的提取。提出结合经典相关分析(CCA)的ICA算法和参考独立成分分析(ICA-R)算法对静息态fMRI的功能区进行提取,定位DMN并以此为种子区,融合DTI数据追踪功能区之间的纤维连接,得到DMN功能连接网络。主要研究内容包括：⑴提出CCA+ICA算法定位静息态fMRI的DMN。首先采用CCA降低fMRI数据的空间维度,基于ICA提取静息态fMRI的DMN。仿真和影像数据处理表明,CCA+ICA算法可有效减少迭代次数,提高数据处理的效率。⑵提出参考独立成分分析(ICA-R)算法处理静息态fMRI定位DMN。将源信号的部分先验信息作为ICA-R算法的参考信号,可以高效地得到一个独立成分作为期望源信号的估计,且该独立成分和参考信号最为接近。仿真和影像数据处理表明,该算法可有效提高效率,且对DMN提取更符合人的生理特性。⑶静息态fMRI融合弥散加权成像(DTI)追踪DMN功能区之间的纤维连接,获取DMN功能连接网络。首先以fMRI定位出的DMN功能区作为种子区,与DTI图像进行空间配准,采用遗传+模拟退火算法追踪种子区之间的纤维连接,得到DMN功能连接网络。