神经影像技术能够以非侵入的方式对大脑结构和功能进行成像,通过分析该类影像数据可获得大脑结构形态与功能连接等信息。如今神经影像技术正不断发展,帮助神经信息学研究者通过多种角度分析并探寻更深层次的神经精神疾病病理机制,实现神经精神疾病的辅助诊断。尽管如此,神经影像数据模式分析研究的成果产出和转化仍然受制于一系列亟待解决的矛盾:（1）有限的数据和计算资源与数据驱动机器学习的支撑需求;（2）有限的时间精力和代码能力与复杂算法模型的构建需求;（3）有限的实验跟踪与管理能力与繁琐实验流程的复现需求。拆解上述矛盾得到一系列关键问题:高维度小样本、研究可复现性以及资源分散。本文设计实现的神经影像数据协同模式分析系统以数据与工作流协同、多场景适配为设计理念,从项目、数据、分析和报告四个方面开发系统功能,为多站点、多类型研究组提供模式分析能力。系统以项目为单位管理数据和分析工作流。基于端到端工具包的本地数据预处理与特征提取工作流将神经影像原始数据转化成能够输入模式分析算法的特征数据。特征数据统一存储于云数据库,并基于项目和用户管理限制数据获取和使用。系统提供容器化的接口服务和多种计算服务,包括统计分析、机器学习以及图神经网络,通过选择项目数据作为计算服务中模型的输入,以任务为单位进行计算分析,输出包含模型参数、性能指标和多种图表的结果报告,促进研究成果快速产出。系统测试分为功能和性能两方面,功能测试包含用户管理、数据管理和任务管理功能验证;性能测试包括接口性能、计算性能和构建性能,量化展示了实际应用场景下的系统表现。本系统为多站点协同的神经影像数据模式分析提供了切实可行的解决方案,不仅通过大数据与云计算技术加速了传统神经影像数据模式分析研究的成果产出,还通过其可扩展性和多场景适配能力协助多个研究组,共享其研究中的先进模型和分析流程,同时确保各个研究项目的可复现性,实现规模化的数据积累和分析。