伴随着年龄的增长,大脑会发生结构萎缩、功能衰退等一系列变化,极易引发各种神经系统疾病。老龄相关的大脑衰退及其相关疾病严重降低老年人的生活质量,会给家庭和社会带来沉重的精神和经济负担。研究大脑正常的衰退规律,对于老龄相关疾病的研究,以及揭示大脑衰老机制具有重要意义。基于静息态功能磁共振成像的脑网络分析是研究大脑自发神经活动的重要手段。研究表明,静息态下的大脑功能连接网络也表现出动态特性,存在一系列跨时间、跨个体重现的固定模式状态,即微状态。但目前对于年龄相关的大脑动态功能连接网络微状态研究还未见报道。本文基于静息态fMRI数据,针对31名青年、28名中年和27名老年健康被试者,利用滑动窗技术构建全脑动态功能连接网络,并利用聚类算法对动态功能连接网络进行聚类分析,得到5个跨时间、跨个体重现的功能连接网络微状态,并在5个微状态下分析年龄相关的大脑功能变化。首先,利用微状态间距离和转换次数等指标量化评价不同滑动窗长下动态功能连接网络聚类结果的影响,发现随着窗长的增加,微状态的变异性逐渐减弱并且在50-60s窗长范围开始趋于稳定。然后,针对微状态的动态转化时序,提取状态停留时间、转换频率及状态稳定性等指标,对三组被试进行组间统计分析。结果发现随着年龄的增长脑网络动态功能连接微状态的停留时间不会发生显著改变,但状态转换越来越集中,且与青年组相比,老年组的在状态4的稳定性显著降低。最后,基于功能连接变异性,提取了每个微状态下年龄相关的不稳定脑区,发现每个状态的不稳定脑区差异较大,且均涉及不同的固有网络。因此本文推测状态间的转换可以平衡固有网络之间的不同衰退程度,以缓解局部功能衰退对大脑功能输出的影响。随后,本文分析了各个微状态的网络内和网络间功能连接的组间差异,发现随着年龄的增长脑网络功能连接整体上呈倒U形变化。这表明功能微状态在老年时期会出现功能连接强度普遍减弱的现象。本研究的结果表明,动态功能连接微状态可反映更多的脑功能网络信息,证明了动态功能连接微状态应用于脑网络分析的敏感性和特异性,为后续老脑化及相关疾病的研究提供了一个新的思路,对脑功能网络及大脑衰老机制的相关研究奠定了一定基础。