1、功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）是一種重要的腦成像技術。通過對采集到的fMRI數據進行獨立成分分析（Independent Component Analysis, ICA），可以獲取腦激活空間成分及其對應的時間過程，進而用于腦功能連接或有效連接分析，為腦功能研究和腦疾病診斷提供依據。目前，有幾種常用的腦連接分析方法，如功能連接的Lag-shift方法，有效連接的格蘭

2、杰因果性（Granger Causality）方法和貝葉斯網絡（Bayesian Network, BN）方法，等等。然而，現有腦連接分析的一個主要問題是，無論是針對相同的fMRI數據還是不同的fMRI數據，各種方法的分析大多彼此獨立。這致使不同方法的結果也相互獨立，難于比較，更缺乏所獲取網絡連接的穩(wěn)定性依據。為此，本文應用幾種典型的腦連接分析方法，對82被試的靜息態(tài)fMRI數據進行分析。通過對各方法施加適當的參數約束，建立不同方法之間

3、的橋梁，進而獲取穩(wěn)定的網絡連接。主要開展了以下工作：
　　（1）應用組獨立成分分析（Group ICA）算法，在高模型階數下提取了82個被試靜息態(tài)fMRI數據的腦區(qū)成分，挑選了七個默認網絡（Default Mode Network, DMN）子網絡的時間過程成分進行了全文研究。在對每個被試進行了功能連接分析之后，對82個被試結果進行了單樣本t檢驗，選擇了p<0.05的顯著性連接進行雙約束分析。
　　（2）針對功能連接與有效連

4、接彼此獨立的問題，以 DMN的七個子網絡為對象，對其分別進行了Lag-shift分析與Granger因果性分析，并提出了Lag-shift的時延約束以及Granger的因果一致性參數約束的雙約束聯合分析方法，成功建立了功能連接分析與有效連接分析的聯系。
　　（3）研究了稀疏貝葉斯網絡（Sparse BN, SBN）的結構學習算法原理，實現了其在靜息態(tài)fMRI數據中的應用?；诜抡婧蛯嶋HfMRI數據的實驗結果表明，SBN算法在fMR

5、I數據中適用，且學習性能優(yōu)于現有的 BN結構學習算法。針對不同有效連接分析方法彼此獨立的問題，提出了有效連接分析的Granger因果性方法與SBN方法的雙約束聯合分析。對Granger方法施加了因果性強度約束，對SBN施加了回歸系數約束，建立了兩種方法的橋梁，提取了一致網絡。
　?。?）基于Granger與SBN的雙約束聯合分析在82個被試中提取的穩(wěn)定網絡連接，分別對40名健康對照組與42名精神分裂癥患者組進行了有效連接分析，結果