随着脑科学研究的深入，越来越多的证据表明脑并不是一个单纯对外界刺激进行响应的处理器，而是存在着大量自发活动的自组织复杂系统，外界刺激与该系统的内在动力相互作用才能够产生外在的行为表现。因此，通过分析脑自发活动，我们可以获得脑功能更加全面的信息，对于理解脑信息处理机制，研究认知行为的脑基础，以及分析神经精神疾病中的脑功能异常都具有重要的意义。随着影像技术的发展，基于血氧水平依赖(Blood Oxygenation LevelDependent，BOLD)的功能核磁共振成像(fMRI)以其非侵入性，无放射性，费用较低以及操作简便逐渐成为当前研究脑自发活动的重要手段。本文以重大神经和精神疾病的临床应用为目标，以基于静息状态fMRI的脑自发活动的机理及检测算法研究为突破口，将磁共振影像技术，图像处理技术，信号处理技术，模式识别技术等手段相结合，在BOLD信号自发波动机理，脑自发活动检测算法，基于脑自发活动的疾病特征识别和判别分析，基于脑自发活动的疾病疗效评价等方面进行了系统的研究。　　 动物模型由于便于操作是研究静息状态下BOLD信号自发波动机理的重要手段。本文通过处于不同麻醉状态下的大鼠模型，系统分析了BOLD信号自发波动的时间标度特性和空间功能连接属性与不同意识水平的关系。我们发现BOLD信号自发波动的时间特性，活动的幅度以及空间上功能连接均与意识水平具有显著的相关性。这就表明BOLD信号自发波动确实可以反映脑的活动状态，也就为将其应用于神经精神疾病的脑功能异常研究提供了依据。　　 脑自发活动的定量检测是当前所面临的最大难题。我们认为某脑区内BOLD信号自发波动随时间推移出现的某些间隔式的同步信号增强中蕴含着自发活动机理的重要信息。基于这种观点，本文发展了一种基于“局部时空聚类”的脑自发活动检测算法来定量分析BOLD信号自发波动中的这种自发“激活”。该算法框架同时兼顾脑BOLD信号的空间和时间特性，并可检测与特定脑区活动相关的脑网络，因此能够全面地定量描述脑自发活动。本研究采用该算法考察了人类在静息状态下视觉系统自发活动的脑机制。该方法可以推广到其他脑系统的研究，并在疾病的应用方面也具有较好的前景。　　 BOLD信号自发波动在空间上的一致性，也就是我们常说的静息状态功能连接，已被发现与疾病状态下的脑功能改变有关。采用基于自发活动的功能连接，我们系统研究了早期阿尔茨海默病患者脑网络异常的分布情况。结果发现阿尔茨海默病患者减弱的正连接主要分布在前额叶和顶叶之间，而增强的正连接主要分布在额叶，顶叶，颞叶，枕叶内部的脑区之间。我们推测这种各叶内部短程连接的增强可能起到一种对于前后长程连接降低的“代偿作用”。此外，我们首次研究了阿尔茨海默病的负连接异常，结果表明异常的负连接主要发生在大脑在静息状态下所固有的两个负相关网络之间。利用该两个网络所对应的正/负连接强度作为特征，我们设计分类器来对早期病人和正常对照进行分类。发现总的分类正确率可以达到83％，其中病人的正确率可以达到93％。这表明基于脑自发活动的固有网络的特性可以较好的区分早期阿尔茨海默病患者和正常老年人。　　 除疾病的诊断外，脑自发活动也可在疾病的治疗效果评价方面发挥重要作用。本文首次将脑自发活动分析应用到物质依赖者戒断过程的疗效评价中。我们发现成瘾药物的戒断伴随着静息状态下“默认网络“功能连接模式的改变，同时发现“默认网络”功能连接的改变与被试的负性情绪以及躯体戒断症状具有显著的相关性。这就表明通过分析脑自发活动，我们可以评估戒断的效果并提早发现那些具有较大复发可能的患者。