面孔信息是人类的生存进化和社交生活中最重要的视觉刺激之一。而面孔信息在大脑中的加工机制仍不得而知。探究面孔识别的脑连接网络有助于人们了解面孔信息在大脑中的加工机制;有助于对临床上伴有面孔识别障碍疾病的研究和治疗;还有助于机器视觉中人脸识别算法的改善和提升，对国土保卫、公共安全和交通安检上具有重要意义。　　在认知科学领域，已有的研究证明人类的面孔识别能力存在两种极端情况，即面孔识别超级能力和面孔身份识别障碍。进一步的研究表明在普通人群中面孔识别能力也存在着较大的个体差异，而现存的研究往往忽略了个体差异所带来的影响。本研究从面孔识别的个体差异角度入手，对面孔识别神经机制进行研究。在神经影像科学领域，发现了多个与面孔识别相关的脑区，比如:梭状回面孔区（the fusiform face area，FFA）、枕叶面孔区(the occipital face area，OFA)，以及颞叶等脑区。此外，进一步的研究还发现面孔识别能力依赖于一个分布于全脑的神经网络。根据该网络理论，面孔加工可以分解为多个认知加工环节，并由网络内多个相互协调的功能模块实现。面孔识别可以视为面孔加工多个认知环节的功能集成。因此，从网络分析的角度入手探讨面孔加工的脑区之间连接模式，可以为面孔加工神经机制的进一步研究提供直接的影像学依据。　　本研究利用弥散张量成像（Diffusion Tensor Imaging，DTI）构建面孔加工的脑结构网络，并对该网络连接模式与面孔识别能力的个体差异之间的关系进行分析。本研究首先通过一系列的面孔和物体识别任务来对被试者的面孔识别能力进行测量，然后通过DTI技术获取被试者大脑的结构连接矩阵，最后探究被试者的脑结构连接矩阵与面孔识别能力之间的关系。这里最后一步分析包括四阶段，第一，根据现存的认知和神经影像知识选择出可能与面孔加工相关的脑区;第二，根据皮尔逊相关分析筛选出与面孔识别能力可能具有关联的脑连接;第三，利用弹性网回归建立基于大脑结构网络的面孔识别能力预测模型;最后，采用支持向量机(SVM)模型来验证本研究提取出的面孔识别脑结构网络的有效性。　　综上，本研究得到了一个有效的面孔识别脑结构网络，并且验证了左侧梭状回脑区、部分枕叶脑区、右侧颞极脑区以及部分边缘系统脑区与面孔识别能力具有密切关系。这些发现表明传统的功能影像研究中发现的面孔加工脑区在面孔识别脑结构网络中扮演着重要角色。此外，本研究还验证了面孔识别信息在大脑中是以脑网络的形式加工的。本研究的发现有助于揭示面孔信息在整个面孔加工网络中的传递模式，为研究面孔加工的神经机制提供重要的影像学依据。