大脑是一个大规模连接的复杂网络构成的动力学系统。不同尺度的神经元网络的结构和动态特征,造成了大脑在结构上和功能上的复杂性。本文介绍了复杂网络的研究现状和一些重要的概念,同时介绍了当前几种重要的网络拓扑模型。本文介绍了大脑结构和功能上的复杂性,从皮层厚度度量和弥散张量成像两方面介绍当前对脑结构网络的研究,并通过脑电信号和脑功能磁共振信号进行了脑功能网络的研究。本文基于统计动力学理论,应用扩散熵方法分析脑电信号的动力学标度行为和概率分布函数,研究系统的演化过程及标度不变性,并验证了其概率分布函数满足尖峰胖尾的Levy分布。并且基于相位同步性理论,利用手指运动任务的ECoG信号建立了脑运动皮层功能网络。通过对静息状态和任务状态下的两个网络的分析,发现任务状态下的聚类系数更大,连通性更强。这些结果意味着大脑在认知任务状态下表现出了更显著的活动性。本文基于互信息理论,采用时间窗移动的方法,利用静息状态和刺激状态下的fMRI图像数据研究两种状态下的脑功能网络,并对脑功能区域作相关性分析。结果表明脑功能网络在两种状态下都具有小世界的特征。并且基于格兰杰因果性理论,利用图像识别任务的fMRI数据建立了脑功能因果性有向网络。不同体素间的因果性表征了网络连边的方向性。通过对因果性有向网络的分析表明,广泛分布于大脑各处的神经元的活动最终导致了几个中枢区域的活动,并且图像识别任务中大脑中相关区域的激活程度更高。