人类大脑是一切活动的指挥中心,因此理解大脑的结构和功能是十分有意义的。脑科学研究中功能磁共振成像(functional magnetic resonance imaging,fMRI)技术得到了广泛应用,防止和治疗大脑疾病提供了可靠的依据。神经网络属于机器学习中进行模型识别的有效工具,它是由人的大脑演变而来的,能够实现非常强的非线性映射功能。本文基于静息态的功能磁共振成像技术,利用随机神经网络集群方法分别对阿尔茨海默氏症(Alzheimer’s disease,AD)和自闭症(Autism spectrum disorders,ASD)展开研究。主要研究内容如下:(1)首先提出了随机神经网络集群方法。单个神经网络具有计算量小、容易实现的优点,但又存在分类效果不稳定的问题。随机挑选样本和特征产生大量神经网络后,将多个神经网络合并在一起,形成了随机神经网络集群。随机神经网络集群有效地解决了传统的降维方法中信息损失的问题,泛化性能也得到了提高。(2)利用随机神经网络集群对阿尔茨海默氏症患者展开研究,分析了静息态下阿尔茨海默氏症患者大脑的功能性连接模式。首先,将每个被试大脑的功能连接作为特征,选用了五种不同类型的神经网络构建了五种随机神经网络集群将阿尔茨海默氏症患者和与之对照的正常人进行分类,然后比较五种随机神经网络集群的分类准确率,选择分类性能为92.3%的随机Elman神经网络集群作为最终分类器。最后找出阿尔茨海默氏症患者异常的功能连接以及异常的脑区,这对阿尔茨海默氏症的诊断提供了一个新的视角。(3)利用随机神经网络集群对自闭症患者展开研究,分析了静息态下自闭症患者大脑的功能性连接模式。首先,基于图论的方法选取了度、聚集系数、最短路径及局部效率四个指标一起整合作为每个被试的特征,选用了五种不同类型的神经网络构建五种随机神经网络集群将自闭症患者和与之对照的正常人进行分类,然后比较五种随机神经网络集群的分类准确率,选择分类性能为95%的随机Elman神经网络集群作为最终分类器。最后找出自闭症患者异常的功能连接以及异常的脑区比如补充运动区、扣带回、梭状回和脑岛,这对自闭症的诊断提供了新的思路。