大脑是人体中最复杂也是最重要的组织之一。有研究表明,脑组织的受力状态对脑组织的功能有重大影响,因此研究脑组织的力学行为并进一步建立脑组织的本构模型对脑损伤的研究具有重要意义。然而脑组织力学行为的研究面临诸多困难,其中最主要的是活体脑组织与死亡的脑组织力学行为有很大差别,其主要原因是脑组织内包含的毛细血管的内压会影响脑组织的力学行为,而大脑死亡后脑内血管内压与活体脑组织内血管内压不同。近年来人工智能技术和数据科学取得了较大的发展,并向其他领域渗透。若干基于数据的本构建模方法也随之诞生,这类方法在一定程度上解决了部分材料本构建模困难的问题。因此本文借鉴该类方法的思想,提出了基于人工神经网络的脑组织本构建模方法。除建立脑组织的本构模型外,该方法可以用于建立任意的有限变形框架下的各向异性超弹性材料本构模型,可以用于建立复合材料等效本构模型,并可以扩展至描述内压等因素对材料力学行为的影响。该方法基本思想是用代表单元法和均匀化方法生成材料的应力应变数据,并用该数据训练神经网络得到应变到应力的映射函数,然后用训练好的神经网络替代传统材料本构模型进行有限元计算。对于脑组织材料,建立的代表单元中包含脑白质/灰质基体和含内压的血管夹杂,因而只用单独测量脑白质/灰质力学行为、脑血管的力学行为以及血管内压即可获得到脑组织本构模型,克服了活体脑组织力学行为无法测量,而死亡的脑组织力学行为又与之不一样的难点。该方法建立的本构模型具有解析的一致切线模量矩阵,可通过用户自定义材料接口集成到商用有限元软件中（例如通过用户自定义材料接口集成到ABAQUS中）,计算效率高、使用方便。本文还用提出的模型研究了血管内压与脑组织力学行为之间的关系,对脑组织损伤的预测以及机理的探究具有一定意义。