脑功能连接预测作为神经科学领域重要研究方向之一,在理论研究和临床应用中都具有重要意义。目前关于脑功能连接预测的研究主要是针对静态脑网络,忽略了脑网络的时间演化信息,并且大部分研究没有考虑脑区域中体素级空间相关性,因此存在一定的不足。本文重点从时间和空间角度出发对脑功能连接进行预测研究,旨在预测脑功能连接随疾病进展和正常衰老情况,从而达到对精神疾病实施早期干预,帮助医生临床决策的目的。本文的主要研究工作如下:针对脑功能连接动态变化的特点,本文提出一种基于动态贝叶斯分层模型的脑功能连接预测方法。该方法克服了静态方法的局限性,捕捉了大脑网络的时变特性。此外,还可以与患者相关因素相结合,例如疾病状态、性别、年龄等,为精神患者未来的大脑功能连接提供准确的预测。针对纵向神经成像数据复杂时空相关性的特点,本文提出基于组合模型的脑功能连接预测方法。该方法利用相邻体素之间的空间信息进一步提高预测准确性,适用于预测功能连接随个体正常衰老的情况。该方法克服了现有方法仅考虑时间相关性、预测单一时段、避免同时考虑体素级连接的缺陷,加深了对人脑的理解和认识。本文在ADNI数据集上对所提算法进行了实验验证和分析。实验结果表明,本文所提算法的性能优于传统的预测方法,从而验证了算法的有效性。