大脑由上亿个神经元耦合关联构成一个复杂系统,以完成各种生理和心理活动。伴随神经影像学的蓬勃发展,科学家得以对大脑不断进行更加深入的探索。功能磁共振成像(fMRI)由于其非侵入式特性、成熟的技术和高空间分辨率特点,已被广泛用于活体脑活动实验。复杂网络理论作为分析复杂耦合系统的有效手段,为脑网络建模提供了理论依据,并用于衡量脑网络的拓扑特征和拓扑改变。本文以静息态功能磁共振数据作为基础,以复杂网络理论作为工具,对大脑功能脑网络的建模和演化进行了相关研究与分析。首先,提出了基于滑窗的子网投票建网方法。针对现有功能脑网络建模方法置信度不高的问题,所提出的新方法可以有效提高网络组内一致性和组间差异性,减少连边假阳率。基于该方法对老年和青年被试进行分类,可以显著提高分类性能。其次,提出了脑网络正常老龄化过程的动态演化模型。大脑的正常老龄化是一个动态过程,仅用静态的脑网络模型无法充分描述脑网络的拓扑改变。本文所提出的模型能够正确模拟脑网络状态从青年组经由中年组向老年组演变的过程,成功仿真了脑网络老龄化的拓扑改变和连边改组。然后,提出了面向阿尔兹海默症(AD)的功能脑网络演化模型。该模型用以模拟大脑的病变过程,成功复现了大脑在AD病理过程中的拓扑改变和连边改组,捕获了脑网络从小世界架构向随机网络的退化过程。最后,采用jPCA算法对血氧水平依赖(BOLD)信号进行了信号约简和数据可视化。神经信号往往是复杂的高维信号,这使得对神经信号的分布统计难以进行。通过信号约简,实验结果显示在静息态下BOLD信号的二维运动轨迹呈现出近似圆形的周期特性,这说明“静息态”是有着低频率、长周期生理活动的基础状态。