人脑是一个脑区之间相互作用构成的复杂网络，通过这种网络结构实现脑不同区域之间信息的不断处理与传递，我们必须把脑作为一个整体来研究，从网络的角度来认识和理解我们的大脑，因此，脑功能连接和脑功能网络分析已成为当今科学研究的热点之一。　　本文以静息态功能磁共振成像数据为载体，对脑网络构建的方法加以创新与拓展，从网络的角度来认识脑功能内部的调节机制，探究了脑疾病对脑网络拓扑结构的影响。其主要内容包括以下三个部分:　　第一部分，效应连接网络研究，也即方法学发展部分。我们讨论了在多元自回归模型中细尺度信息对于时间序列格兰杰因果推断定向信息流的影响，并且我们将得到的结果应用于功能核磁共振数据的分析中，发现数据的多元自回归模型的时空特征会对格兰杰因果推断的可靠性产生影响。　　第二部分，癫痫静息态脑网络研究也即神经疾病探究部分。本文提出一个新的脑关联分析方法(BWAS)来寻找与病症相关联的脑功能连接。运用复杂网络的分析方法对脑网络加以研究，发现癫痫脑功能连接网络存在拓扑性质的异常，更重要的是，我们发现这些异常能够反映该疾患进展程度及严重程度，该研究为我们更好的理解疾病提供了全新的视角。　　第三部分，基于脑网络的疾病模式识别也即神经疾病临床应用部分。在不同水平的功能脑网络中提取能够对癫痫及ADHD病人非常敏感的神经影像学标记，通过高效的特征选择方法及模式识别分类器实现对病人的预测诊断。这些影像学标记对我们理解这些精神疾病背后的脑功能神经机制具有重要意义。