近年来,大脑活动的动态性以及各脑区之间的功能交互得到了广泛关注,并成为静息态功能磁共振影像研究中的热点,而动态功能连接分析作为一种刻画静息状态下大脑神经活动以及脑区交互的有效方法得到了广泛应用,而随着同步采集技术和预处理算法的发展,EEG-fMRI同步数据的采集以及融合分析也逐渐成熟,为从更高的时空分辨率上探究大脑活动的动态性提供了可能性。本文基于静息态功能磁共振成像数据,利用动态功能连接方法进行分析,并基于一组同步EEGfMRI数据进行了多模态数据的融合分析。论文的主要内容包括:动态功能连接分析方法及其应用。本文采用一组精神分裂症患者、患者同胞以及健康被试的数据,通过动态功能连接分析方法探究了不同人群的全脑动态功能连接差异,发现了精神分裂症患者与同胞的5个共有的异于正常人的连接,分别是:1)右侧前额叶——右侧楔前叶;2)右侧楔前叶——左侧梭状回;3)左侧前脑岛——左侧颞下回;4)左侧前脑岛——右侧角回;5)左侧腹内侧前额叶——右侧内枕叶。这些异常连接揭示了精神分裂症的遗传特性,为精神分裂症患者同胞高患病风险的成因进行了影像学上的分析。基于有监督稀疏学习的EEG相关fMRI分析。本文利用一组家系肌阵挛癫痫的同步EEG-fMRI数据,分别采用传统的统计参数映射和有监督的稀疏学习算法对病人发作间期痫样放电的相关脑区激活进行了分析。结果表明,有监督的稀疏学习算法能有效提取出与痫样放电相关的脑区,结果可靠,在同步EEG-fMRI数据融合分析上具有一定的应用价值。本文的贡献在于:1)将动态功能连接分析方法应用于精神分裂症遗传特性的研究,发现了患者与其同胞共有的五个异常功能连接,解释了精神分裂症患者同胞罹患分裂症的高风险;2)将有监督的稀疏学习算法应用于EEG相关fMRI分析,并对一组家系肌阵挛癫痫患者的同步EEG-fMRI数据进行了分析,结果表明该算法在同步EEG-fMRI分析领域具有良好的应用前景。