大脑是人体中最为重要和复杂的器官,它控制着人的语言、运动、学习、思维、情绪、记忆等方面的活动。研究表明:大脑作为一个复杂的信息处理系统,往往通过解剖学上离散分布的脑区进行协调和合作,来完成对外部或者内在信息的处理和加工等,诸多学者发现:人脑在静息状态下也存在稳定低频波动模式,并形成可靠的静息态脑功能连接,进而形成具有特定功能的内在脑网络,例如:语言网络、听觉网络、默认网络、运动网络、视觉网络等。就静息态功能连接研究而言,往往采用皮尔逊相关系数法与肯德尔和谐系数来计算不同感兴趣区(region of interest,ROI)或种子点间的脑功能连接。这种方法展现出一定程度的可靠性,同时也存在着不足。例如皮尔逊相关系数法仅仅对服从于二元高斯分布的线性系统具有较好效果,不能有效处理脑功能信号中非线性成分;肯德尔和谐系数虽然采用秩方法能有效处理脑功能信号中非线性特征,但其在信号中隐含的处理线性成分又不如皮尔逊相关系数高效与快速。鉴于此,为能够更加高效地、准确地建模人脑功能连接,本研究首先将基于序统计量相关系数方法建模人脑功能网络连接性;紧接着,基于该模型研究了人脑语言功能网络的偏侧化属性;最后,探讨了在职业因素条件下,以海员为例,人脑语言功能网络职业依赖的偏侧化改变。本研究步骤过程如下:首先探讨了基于序统计量的脑连接分析方法的有效性,通过给出基于序统计量脑连接分析方法计算得到的相关大脑功能网络与传统皮尔逊相关系数法计算功能连接得到的大脑功能网络进行对比,验证了基于序统计量的脑连接分析方法的有效性。然后探讨了基于序统计量的大脑语言重测可靠性,并同皮尔逊相关系数的语言网络的可靠性进行对比,结果表明两种方法的都有不一致和一致的高可靠性脑区,联合使用两种方法可以互相补充;最后,依托之前构建的脑功能语言网络,以20例船员及20例对照被试为例,研究职业依赖的脑语言网络偏侧化特性。本课题首先研究基于序统计量的脑功能连通性研究的优越性与有效性,并进一步展示了其在脑语言功能网络侧化中可靠性,并特别刻画了职业依赖的脑语言功能网络的可塑性。本课题研究将为脑功能连通性提供一种新的分析工具,为人脑语言功能网络偏侧化理解提供了知识积累。