人脑结构网络和功能网络的复杂关系一直是神经科学领域的一个研究焦点。其中结构网络反映人脑神经单元的解剖连接,通常由弥散张量/谱成像(DTI/DSI)技术测量,但其在成像过程中存在耗时和不准确的问题,特别是很难测得左右两个脑区间的结构连接信息;而功能网络描述人脑网络节点之间的功能信号在某一时段内统计意义上的关系,目前静息态功能磁共振成像(rs-fMRI)技术以其非侵入性,速度快、精度高并且具有较高的空间分辨率等优点成为人脑功能连接网络的主要测量手段。大量研究表明人脑结构网络和功能网络存在很强的相关性。虽然DTI/DSI技术很难测量左右两个半脑区间的结构连接信息,但利用静息态功能磁共振成像技术却发现左右两个半脑区间存在着丰富的功能连接信息。因此本文拟通过人脑功能网络来对人脑结构网络进行推断,试图恢复出DTI/DSI测量数据中左右两个脑区间遗漏的连接。本文主要工作如下:1.系统概述了当前人脑结构网络和人脑功能网络的测量方法,以及从矩阵的角度探索了人脑结构网络和人脑功能网络之间的关系;2.提出基于网络解卷积的人脑结构连接推断模型,该模型假设观测到的人脑功能网络由直接连接网络与间接连接网络构成,并分别用一步结构连接矩阵和二步结构连接矩阵表示,然后利用矩阵特征值分解方法对模型进行求解,实验结果表明网络解卷积算法能够较好地对人脑结构连接进行推断;3.提出基于谱映射的人脑结构连接推断算法,该算法首先利用左右两个脑区的连接信息采用学习的方法建立结构连接矩阵和功能连接矩阵之间的多元线性回归模型,然后利用整个大脑的功能连接信息推断出两个脑区之间的结构连接信息。对66脑区和998脑区两个数据库的实验结果表明该算法能够较精确恢复出DTI/DSI测量数据中左右脑区间遗漏的连接,并通过动态平均场(DMF)神经集群模型对推断结果进行了验证。