人脑是世界上最复杂的结构,人们一直致力于探索其更深层次的奥秘,渴望揭开这一层神秘的面纱。功能磁共振成像(functional magnetic resonance imaging,fMRI)为人们研究人脑功能提供了强有力的工具,而静息fMRI因其包含信息量大、操作简单等优点而应用广泛。随着脑功能网络研究的不断深入,人们发现了静息功能连接的时域变化特性,并对此产生了浓厚的兴趣。本文以两组静息fMRI数据为研究对象,分析了精神分裂症和长期驾驶行为对人脑动态功能网络的影响。论文的主要工作包括以下三个方面内容:构建了基于动态功能连接的分析方法框架。自发性神经波动的发现,让人们开始关注脑区之间的动态信息交互。越来越多的研究证明了功能连接的时域特性,并且开始将动态连接应用到脑功能网络的分析中。本文第二章通过总结以往静息fMRI数据的特征提取和分析方法,提出了一套以动态功能连接为基本特征的模式分析方法框架,并将此方法框架应用到后续章节的静息fMRI数据分析当中。网络间的动态交互异常可以为精神分裂症诊断提供潜在的生物学标记。本文第三章运用第二章提出的方法框架,论证了基于动态功能网络鉴别精神分裂症患者的可行性。结果证明,基于动态功能网络的方法可以以81.3%的分类精度将精神分裂症患者与健康对照区分开来。对一致性特征进行统计的结果显示,具有高分辨力的功能连接大部分分布在定义的六个功能网络之间,表明网络间的功能连接对分类做出了更大的贡献。这些网络间动态交互的改变意味着,精神分裂症患者的脑区间存在着动态交互异常,并且可以为临床诊断提供可靠的生物学标记。长期驾驶行为改变了脑区间的动态交互。本文第四章首次从动态功能连接的角度出发,同样利用第二章的方法框架,分析了长期驾驶行为对脑区间动态交互的影响。分类结果显示,以功能连接的低频振荡振幅(amplitude of low-frequency fluctuations,ALFF)为基本特征,可以有效地将驾驶员和非驾驶员区分开来,留一法的分类正确率达到90.0%。其中,绝大多数具有高分辨力的连接都分布在网络间,表明长期的驾驶行为改变了人脑部分脑区间的动态信息交互。通过一致性特征分析发现,与非驾驶员相比,驾驶员在警觉网络中脑区间的动态交互减弱;驾驶员的默认网络、额顶控制网络与初级认知网络之间的动态交互减弱。结合静态功能连接的结论,本文的研究结果可能有助于解释人脑功能与驾驶行为之间的相关性;同时在判断个体是否适合驾驶方面,可能具有潜在的应用价值。