近年来随着神经科学的发展,各个国家对于探索大脑奥秘产生了浓厚的兴趣。美国国立卫生研究院推出了人脑连接组计划(Human Connectome Project,HCP),采用核磁共振成像技术来进一步阐述人类大脑神经环路的连接状况和功能,我国也推出自己的“脑计划”。人脑个体差异性分析是神经科学的一个重要研究方向,根据目前的个体差异性分析研究现状,存在研究方法不统一,统计标准不一致等问题。对于采用脑网络作为研究方法的实验,同样存在数据来源不统一,构建方式不同,导致最终结果存在差异。在进行个体差异性分析研究时,组网络技术主要存在模块化与真实网络不一致的问题,同时也不满足目前高精度脑网络的研究趋势。本文主要针对个体差异性分析研究中存在的问题进行改进,从脑网络的角度进行个体差异的研究分析。主要工作内容包括:(1)使用目前最精细的华盛顿大学多模态脑分区模型来构建脑网络,取代之前的单模态脑分区。使用该脑分区方法构建的脑网络能够更加准确地反映出人类大脑网络状态。针对该分区方法对影像数据质量要求较高的问题,本文采用新的数据预处理方法,实现了低精度或者缺少T2权重和磁场分布信息的影像数据的多模态大脑分区。(2)提出了新的组网络模型,替代平均网络和Bonferroni校正网络模型。新的叠加组网络模型,从连接的角度来生成组网络。根据大脑经济是一种经济模型这一公理和模块化相似度理论,分别设定参考阈值和最终阈值来限制生成最终的组网络。从而保证组网络阈值选取的合理性,同时使得模块化属性和真实网络具有较高的一致性。(3)通过脑网络参数比较的方式,对个体差异进行对比分析。本文从全局指标和局部指标两个方面进行对比分析,同时结合组网络模型进行对照,找出了在新分区模型中个体差异性较大的脑区,并发现了全局指标存在稳定性和一些跨边缘的连接具有较高变异性的特征。相比之前大多数个体差异性研究局限于部分脑区的情况,本文从脑网络的角度对整个大脑的个体差异性进行分析。