阿尔兹海默症(AD)对人们尤其是老年人的生活造成了极大的影响,目前仍不清楚其发病原因及相关病理机制,更缺乏有效的诊治手段。功能磁共振成像技术促进了人们对大脑的认识,基于其的脑网络技术则为脑科学的研究提供了新思路。本文在脑网络水平对AD神经病变进行了纵向分析,提出了基于计算试验的AD脑功能网络演化模型和一种基于脑网络水平的神经功能评估方法。具体包括:首先,AD脑网络层面的研究大多是AD组与健康组的对照,且往往局限于全局网络属性分析。针对该问题,本文基于各组被试静息态功能磁共振数据对AD各阶段脑网络改变模式进行分析,从全局、子网、以及局部连接对神经系统重组趋势进行了探索。实验结果显示,AD病程各阶段子网属性呈现出较多的纵向组间统计差异。此外,本文首次发现了AD病程中子网属性存在两种不同的改变模式:“逆温”和“单调递减”演化模式,而非通常认为的“单调退化”。这提示在AD的病程中,子网重组扮演了重要角色且演化模式相同的子网可能具有相似的神经重组机制。其次,大脑病变是一个动态的过程,单一静态网络模型不能充分地描述大脑网络在疾病中的演化过程。针对该问题,本文提出了基于计算实验的AD脑功能网络演化模型,在脑网络层面模拟健康人经EMCI、LMCI至AD的非单调动态演化进程。该模型成功地仿真出AD各阶段脑网络拓扑结构的连续动态改变,仿真结果和随机模型对照证明了该模型的有效性和合理性,为神经系统病变的研究提供一种新视角。最后,AD往往伴随着神经功能的下降,现有的对神经功能的评估方法多基于问卷测试,受到一定的环境和人为因素的影响。因此,本文提出了一种基于脑功能网络的综合性大脑神经功能评估方法。该模型采用Lasso算法对网络特征稀疏化,然后基于定序回归模型获取神经功能的评估值。实验结果显示,该方法可以很好的区分AD不同阶段的人群,具有较好的辨识力和一定的客观性,具有潜在的临床应用意义。