人脑是自然界进化中最为复杂的产物，数百年来，人类一直试图解开大脑的奥秘。随着脑成像技术发展，人们对脑的研究已不仅局限于解剖定位，更多的是对脑功能活动基本过程的深入研究。功能磁共振成像是20世纪90年代以后发展起来的一项用来研究人脑在刺激响应下的功能的神经影像学技术。其成像原理主要是基于血流的敏感性和血氧水平依赖性(BOLD)信号的变化检测脑激活区域。功能磁共振成像具有很多优势，如无创伤性、无放射性、具有较高的时间分辨率、可多次重复操作等。因此，近年来功能磁共振成像已成为脑功能成像的首选方法，许多处理fMRI数据的方法也应运而生。本文主要对基于线性变换的功能磁共振数据分析方法进行了应用研究。　　 对fMRI信号的研究大多是在假定已知事件的相关时间过程曲线的情况下，利用相关性分析得到脑的激活区域。若将fMRI信号分析看作是一种盲源分离问题，在不清楚其时间过程曲线、也不清楚有哪几种因素对fMRI信号有贡献的情况下，可用独立成分分析方法对fMRI信号进行盲源分离，提取不同独立成分得到任务相关成分以及其它产生fMRI信号的多种源信号。本文讨论了使用ICA方法处理fMRI数据的理论基础、建模，并设计实验使用软件fmrlab对fMRI数据进行了分析。　　 最优线性变换(OLT)是一种图像特征空间的分析技术，它首先应用于MRI领域。本文提出一种新的方法，把OLT的应用由MRI扩展到fMRI，以期改进传统fMRI激活区检测分析方法的性能。这种方法包括：1）不同激励的理想血流动力学响应时间序列由理论血流动态晌应模型与激励时间信号卷积得到。2）由根据理想血流动力学响应构建感兴趣激励模型的特征向量，并用OLT提取fMRI数据的特征。作为结果的特征空间拥有良好的几何聚类属性，被分为属于不同感兴趣激励模型的种类。进而，由平均获得每个种类的特征向量。3）应用所得到的特征向量，再次应用OLT产生fMRI复合图像。我们使用仿真的fMRI数据和一个组块设计的fMRI试验数据比较了本文方法与基于广义线性模型(GLM)方法的应用性能。仿真研究与试验结果显示了本文方法对于GLM方法在检测脑部激活区域上的优越性。