成人自评（Adult Self-Report,ASR）量表是一套针对成人性情与心理健康的评估量表,主要包括成人焦虑、注意力、内向性格、攻击性行为和侵入行为等方面的自评,目前已被心理学和精神疾病研究领域广泛接受。ASR分数的测定目前还主要依赖于问卷的主观评分,对ASR分数的客观测定将有利于推进对成人心理及精神健康状况的精准判定。静息态磁共振影像（resting state functional Magnetic Resonance Imaging,rs-fMRI）能有效捕捉个体人脑功能的细微差异,因而为个体认知参数的客观评估提供了有效途径。本研究基于319个成人样本的rs-fMRI数据,通过从不同角度提取脑功能网络连接指标,开展了对ASR的内隐分数、外显分数和总分数的预测工作。具体地,本文开展了以下三方面的研究:（1）基于经典功能连接预测ASR分数。本研究采用经典的功能连接度量作为特征,采用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator,LASSO）算法进行特征选择,进而采用随机森林和支持向量回归算法构建模型预测三种ASR分数。实验结果表明:基于经典功能连接,使用支持向量回归和随机森林对个体ASR分数进行预测时效果相当,对ASR外显分数的预测结果（预测值与真实值间的相关系数R=0.494～0.504）优于内隐分数和总分数的预测结果（R=0.335～0.395）;与额顶网络和默认网络有关的功能连接对个体ASR分数的预测起关键作用。（2）基于格兰杰因果关系预测ASR分数。针对经典功能连接特征没有考虑脑区之间驱动关系（即连接的方向性）的问题,本研究引入格兰杰因果模型用于度量脑区之间的驱动关系,并以格兰杰因果关系指标作为特征,采用与前一项研究相同的特征选择算法和预测模型构建算法进行ASR分数预测。实验结果表明:基于格兰杰因果关系指标可获得较经典功能连接特征更为有效的预测,ASR外显分数预测值与真实值间的相关系数提升到R=0.506～0.526;与默认网络和感觉运动网络的元素相关的连接对三种分数的预测均有较大贡献。（3）基于线性非高斯非周期性模型（Linear Non-Gaussian Acyclic Model,LiNGAM）的成对似然比特征预测ASR分数。LiNGAM是一种特殊的贝叶斯网络,它的成对似然比描述的是网络节点间的因果或效应关系。本研究引入LiNGAM的成对似然比提取脑功能网络的效应连接特征,采用与第一项研究相同的特征选择算法和预测模型构建算法进行ASR分数预测。实验结果表明:基于成对似然比同样可实现对ASR分数的有效预测,其中ASR外显分数预测值与真实值间的相关系数可达R=0.506～0.520;与默认网络和感觉运动网络的元素相关的连接在三种分数的预测中均占有较大比重。本研究的创新性在于:（1）在国际上较早尝试基于rs-fMRI对ASR分数进行客观评估,并达到较好的预测效果;（2）引入格兰杰因果关系指标度量脑区之间的有向连接强度,进而基于该特征预测ASR分数;（3）引入LiNGAM的成对似然比,将脑功能网络视为有向无环图模型,基于网络节点间的因果连接预测ASR分数。本研究不仅对ASR分数的客观评估进行了有效探索,而且引入了基于rs-fMRI开展个体认知参数预测的新型特征。