目的:大脑是一个高度复杂的系统,其功能结构往往会随个体衰老、病变等过程发生变化。传统脑功能网络相似度指标大都是针对静态网络,并不适用于脑网络动态过程的度量。本文针对这一挑战,依据不同研究偏好提出两个用于度量脑网络动态相似性的原创性指标——动态网络相似度（Dynamic Network Similarity,DNS）和动态网络演化相似度（Dynamic Network Evolution Similarity,DNES）,分别用于动态网络相似度综合特征和演化特征的度量。与此同时,我们开发了一款用于上述指标计算的软件。方法:本研究原创性地设计DNS和DNES指标,并设计模拟数据和真实数据测试两种指标性能,以及与传统相似度指标对比。（1）模拟数据实验:分别研究DNS和DNES指标对模拟动态网络之间四种子特征相似度变量Δφ、λ、α、β的相关性;研究DNS和DNES对动态网络之间相似度的一般性变化的度量。（2）真实数据实验:采集25名经不同疗法（经颅直流电刺激（Transcranial direct current stimulation,t DCS）、Sham）治疗的中风患者治疗前后的静息态磁共振功能影像数据。这批数据预先经过统计分析已知t DCS治疗患者运动网络的康复治疗过程具有高度一致性,以及该网络在Sham治疗患者中的康复情况。利用DNS和DNES度量相同疗法（t DCS）患者之间以及不同疗法（t DCSSham）患者之间的该运动网络康复过程的相似度,验证其是否与预先分析结果相符,并与传统相似度指标结果比较。结果:模拟数据实验显示DNS指标与动态网络之间四种子特征相似度变量Δφ、λ、α、β均呈显著相关;而DNES指标仅与其中的演化特征变量Δφ、λ相关。DNS和DNES对动态网络相似度的一般性变化敏感。真实数据实验显示,DNS和DNES均能够准确地反映出相同疗法治疗的患者之间运动网络康复过程存在的较高动态相似性。相同疗法患者之间动态运动网络的DNS和DNES显著高于不同疗法患者之间,而基于传统指标则并未发现上述显著。此外,在相同疗法患者组间,基于传统指标的运动网络相似度结果会在治疗前、后存在显著差异。结论:本研究首次提出的DNS、DNES指标为评估动态脑网络间的相似性提供了手段。模拟数据和真实数据都证明DNS和DNES能够较准确地反映动态网络特性,且具有较强的鲁棒性。此外,上述指标克服了传统静态网络相似度方法的不稳定、可重复率较低的缺点。传统方法只能对个体在特定时间点进行评估,一般不能评估治疗康复这类演变过程。相反,我们的新指标可反映运动网络演变过程在相同疗法患者之间的较强相似性,以及在不同疗法患者之间的较不一致。DNS和DNES指标可用于沿时间轴的纵向研究中,实现对个体间动态脑网络相似度的定量评估。