基于静息态功能磁共振成像（resting-state functional Magnetic Resonance Imaging,rsfMRI）的大脑功能连接（Functional Connectivity,FC）分析已经被广泛应用于精神和神经疾病的机制和诊疗研究中。近年来,研究者发现使用动态功能连接（dynamic FC,dFC）分析可以捕捉到大脑信息交互的一系列动态状态（state）,并可以通过不同dFC状态出现的频率和停留时间等特征更细致全面地揭示大脑网络复杂多变的特性。已有许多临床研究成果表明,dFC分析能为脑疾病的病理探究和早期诊断及预后提供更多的依据。但现有大脑动态状态的识别与分类仅考虑了大脑功能连接的动态性,而没有考虑到大脑局部活跃,例如低频振幅分数（fractional Amplitude of Low-Frequency Fluctuation,fALFF）,的动态性。因此,我们对大脑两类动态性,即功能连接动态性和局部活跃动态性,之间的关系尚不清楚,也缺乏将两类动态性联合考虑以识别大脑动态状态和特征的方法。针对以上问题,本文提出了一种新型的联合动态功能连接和动态局部活跃的大脑特征分析方法。首先,该方法使用dFC和动态fALFF（dynamic fALFF,dfALFF）作为大脑功能连接和局部活跃的时变特征,识别动态功能连接状态和动态局部活跃状态,即dFC状态和dfALFF状态,并提取共存率（co-occurrence frequency）这一新型的动态状态特征用以描述基于两类特征识别的大脑动态状态的同时出现概率。进一步,我们引入集成聚类算法,联合dFC和dfALFF两类特征进行聚类以识别新型的大脑联合动态状态,dFC-dfALFF联合状态（joint dFC-dfALFF state）。本研究将提出的联合动态状态分析应用于临床rs-fMRI数据,寻找主观认知下降患者（Subjective Cognitive Decline,SCD）和轻度认知障碍（Mild Cognitive Impairment,MCI）患者的大脑动态性差异。SCD和MCI是阿尔兹海默症（Alzheimer’s Disease,AD）的早期阶段,识别SCD和MCI的神经标记物并作出早期诊断十分重要。分析结果显示一种默认模式网络（Default Mode Network,DMN）主导的dFC状态的出现频率特征在健康老年人和SCD以及健康老年人和MCI组间存在显著差异。这种DMN主导的dFC状态与dfALFF状态的共存率特征在SCD和MCI以及健康老年人和MCI组间存在显著差异。另外,DMN主导的dFC-dfALFF联合状态中的出现频率特征在健康老年人和SCD以及健康老年人和MCI组间存在显著差异。该结果表明DMN在AD的发展过程中起着关键作用,SCD可以认为是正常老化与MCI之间的一种过渡阶段。本研究显示,联合动态区域同步神经活动（dFC）和动态局部自发神经活动（dfALFF）的分析新方法提取的新动态状态特征和识别的新大脑联合动态状态是一个可以更全面刻画大脑动态性信息的分析框架。该新型大脑动态状态分析框架可以用于分析脑疾病患者异常的大脑动态性信息,加深对疾病的神经机制理解,并为疾病的诊断治疗提供新的神经标记物。