大脑是生命活动的高级指挥中枢,它是由数以亿计的神经元及神经元之间的相互耦合形成的复杂脑网络系统。本文利用静息态功能磁共振成像技术(Functional magnetic resonance imaging,f MRI),结合复杂网络分析方法,研究原发性全面强直阵挛癫痫患者(Generalized tonic-clonic seizure,GTCS)的脑功能网络。首先将采集到的静息态功能磁共振成像数据进行预处理,基于Pearson相关方法和偏最小二乘回归建模法构建正常对照组的脑功能网络。运用复杂网络相关理论,分析所构建的脑功能网络的网络属性,得到两组被试的平均度、最短路径长度、聚类系数、全局效率、局部效率等;通过计算网络中心化指标,我们发现楔前叶和扣带回等与许多节点存在广泛连接,是关键脑区。采取同样的方法对癫痫病患者的脑功能网络进行建模,通过组间分析,得到癫痫患者组相比于正常对照组发生显著改变的脑区。结果显示癫痫患者“小世界”属性和网络效率均有所下降,表明其脑网络信息传递能力受损;另外相关值显著增强的脑区主要集中在丘脑和基底核区域,与癫痫活动的产生与传播相关,显著降低的脑区大多集中在默认网络,楔前叶、前额叶尤为明显,说明癫痫患者的默认网络在大脑长期反复的异常放电中受损。本文进一步对比了偏最小二乘算法和传统Pearson方法。结果显示,与Pearson分析法相比,偏最小二乘算法构建出的脑功能网络模型效果更好,其不仅表现在脑网络的阈值普遍偏高,“小世界”属性更为明显,同时推测出的关键脑区更精准更符合生理结果。此研究结果表明,Pearson算法与偏最小二乘算法可以有效的推测出癫痫病患者发生病变的脑区以及正常对照组的关键脑区,具有十分重要的意义。