睡眠剥夺指的是由于各种原因造成的睡眠丢失状态,会引起个体多种情感和认知功能的下降,但目前睡眠剥夺对大脑网络功能活动机制的影响仍不够清楚。在各种神经影像技术中,功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)技术因其能对大脑进行反复、无损的功能成像,已经被广泛应用到脑科学研究的多个领域中,fMRI同样有利于加深我们对睡眠剥夺脑网络的理解。本文的主要工作是:基于字典学习提出静息态脑网络的组间空间稀疏表示(group spatial sparse representation,group-SSR)模型,并采用动态功能连接分析方法开展了睡眠剥夺脑网络的研究。另外,在进行睡眠剥夺的动态脑网络分析之前,本文还基于HCP和同步electroencephalography(EEG)-fMRI数据集系统地研究了全局信号回归这一争议预处理步骤对动态功能连接分析的影响,并深入探究了全局信号的神经意义。本文主要内容如下:睡眠剥夺脑网络的组间稀疏提取方法。基于稀疏表示和字典学习,我们提出了group-SSR分析模型,并将其应用到睡眠剥夺fMRI数据的分析中。结果显示,我们成功提取到多个具有空间重叠的脑网络活动模式以及多个与睡眠剥夺相关的认知网络,并观察到丘脑等多个脑区以不同的响应模式参与了多个功能网络。通过发现这种脑网络活动的空间重叠性,我们对大脑的功能活动机制以及睡眠剥夺对脑网络的影响的理解有了新的思路。全局信号对动态功能连接分析的影响。基于滑动时间窗和谱聚类的分析方法,我们研究了全局信号回归对动态功能连接分析的影响。结果显示,全局信号回归对动态功能连接的影响具有时空特异性,即会对那些全局信号平局幅值较大的窗口和与警觉网络相关的脑区的功能连接产生较大的影响,并且会严重偏移对具有高度空间均匀性的功能连接状态的评估。另外,我们还发现全局信号平均幅值跨窗口的波动与默认网络和背侧注意网络的动态功能连接以及EEG能量的时变波动存在明显的相关性。这些结果表明全局信号的波动可能与警觉或唤醒水平的变化有关,具有一定的神经生理学基础,所以在对fMRI数据(特别是睡眠剥夺)进行动态功能连接分析时应当谨慎处理全局信号。睡眠剥夺的动态脑网络分析。基于滑动时间窗和谱聚类的分析方法,我们研究了睡眠剥夺对静息条件下脑网络功能连接的动态特性的影响。结果显示,睡眠剥夺后全脑水平的时间平均功能连接以及功能连接状态的时间特性(驻留时间和转移概率等)发生了明显变化。利用连接状态的时间特性,我们还可以进一步有效区分睡眠状态(正常清醒状态/睡眠剥夺状态),表明了这些离散状态与个体行为之间存在潜在的联系。