动态功能连接（dynamic functional connectivity,dFC）旨在研究两个或多个脑区神经活动信号的相关性及其呈现的瞬时动态变化特性。这些脑区在空间区域上可能没有紧密相邻,呈现相互隔离的状态。鉴于以往研究中,动态功能连接与行为学数据间的紧密联系,研究者认为神经活动可能是功能连接波动性的起源,同时强调认知或警觉状态的转换、疾病等都会改变动态功能连接的特性。为了探索高维磁共振数据中的客观规律和有用信息,研究者对动态功能连接数据集进行维数约简,来挖掘数据中隐含的信息。本文的主要工作是:基于人类功能连接组（Human Connectome Project,HCP）数据集和急性睡眠剥夺（acute sleep deprivation,ASD）数据集,我们研究了功能磁共振成像（functional magnetic resonance imaging,fMRI）数据时空分辨率对动态脑功能连接分析的影响,提出动态功能连接局部线性嵌入特征的提取模型,并采用K均值聚类和非线性谱算法开展了睡眠剥夺,任务态和静息态脑网络的时空流形研究。本文主要内容如下:脑功能连接时域动态性的流形学习方法。基于滑动时间窗口相关性,局部线性嵌入和K均值聚类方法,我们研究了脑区功能连接时域动态特征的低维流形特性。我们成功提取到静息态fMRI数据在低维流形空间中静态功能连接与动态功能连接在低维流形结构中的潜在联系,以及大脑功能连接状态在低维空间中不同的动态演化的方向。同时,通过观察任务态数据在低维空间中的流形分布,我们对不同状态的被试的大脑功能连接演化机制的探索方法和大脑功能状态演化的理解有了新的思路。动态脑功能连接的功能一致性耦合模式分析。基于滑动时间窗口相关性和局部线性嵌入,我们使用K均值聚类算法分离出大脑功能连接在动态性变化时的功能一致性耦合模式。结果显示,静息态功能一致性耦合模式与脑模板网络具有显著一致的功能连接模式,且部分模式显示出强大的功能同质性特点,值得注意的是,在分离出的功能一致性耦合模式中,我们得到在以往高维聚类研究中未分离出来的联合皮层（子皮层）功能一致性耦合模式,表明了主皮层脑区和联合皮层（子皮层）在非线性功能耦合模式方面的差异性。动态脑功能连接的流形结构拓扑分析。基于滑动时间窗口相关性和局部线性嵌入,我们使用非线性谱算法检测这些耦合模式的拓扑结构,给每个连接对在整个拓扑结构中的节点重要性赋予数值,这些依据“hub-like”连接性程度重新赋值的连接对,呈现出与被试的状态具有明显的行为学相关性和生理学意义。使用低维空间中不同状态下被试的拓扑结构属性,我们进一步地有效区分出任务态与静息态以及睡眠状态（急性睡眠剥夺与充分休息状态）,表明了这些拓扑结构属性与个体状态之间存在潜在的关系。