脑是人体最复杂、最高效的信息处理系统。空间上离散分布但功能上相互作用的脑区构成了脑功能网络，它们协同合作、相互传递信息使得人们可以完成复杂的行为和高级的认知功能。研究人脑的功能组织规律是我们认识脑，了解脑的重要一步。基于大脑所处的不同工作状态，本文从任务状态和静息状态两方面出发，以脑功能网络为切入点，研究人脑的功能共激活网络和功能组织特性。主要的工作如下:　　基于任务状态下的功能影像数据，提出了挖掘人脑的功能共激活网络的新方法。随着功能神经影像技术的不断发展，其促进了在不同认知任务下关于脑激活反应的研究。基于激活点坐标的荟萃分析已经越来越多的被用来挖据实验中具有一致性激活的脑区。但是，同一实验中的共激活关系，其反映了脑区间潜在的功能联系，并没有得到广泛的研究。特别地，能够反映详细的共激活关系网络的体素级别的共激活关系仍然需要被构建。为了估计体素级别的共激活模式以及进一步发现共激活关系的网络结构，我们提出了共激活可能性估计的方法(Co-activation Probability Estimation，CoPE)来定义和构建实验间保持显著一致的共激活关系。通过采用改进的置换检验方法，我们对共激活关系的显著性进行了检验。在检验得到的共激活关系中，基于具有共激活关系的体素之间的距离，共激活关系可以自然的被区分为短程共激活和长程共激活。其中，短程共激活反映的是该脑区在实验间具有一致的激活，长程共激活反映的是一致的共激活关系，其吸引更多的研究兴趣。CoPE方法通过五组测试数据和一组真实的激活数据来对方法的鲁棒性，可用性进行验证。在测试数据上，CoPE方法能找到与设计相符的短程共激活，以及长程共激活关系。在真实数据上（工作记忆的激活数据），CoPE方法发现了与工作记忆相关的左偏的工作记忆核心共激活网络。　　基于静息状态的功能磁共振数据，提出了FunCo指标，定量地度量人脑的功能复杂性。人脑静息状态下蕴含的自发活动已经被证明可以反映整个系统内在的组织结构，例如，脑功能网络的结构。在宏观尺度上，网络观点的兴起已经开辟的一条新的道路来探索人脑的功能组织特性。此处，我们基于网络的观点，在健康被试的数据上，研究了脑的功能复杂性分布模式。我们提出脑区的功能复杂性与该脑区参与到不同的功能网络的模式是相关的。利用改进的ICA的模型，我们对每个个体的静息态功能磁共振数据进行了有参考的独立成分分解。分解得到的独立成分对应着静息状态下的若干内在连接网络的模式。基于每个体素参与到不同内在连接网络的模式，我们定义了功能复杂性指标(functioanl diversity，FunCo)来定量的描述体素级的参与到不同内在连接网络的参与模式。我们发现FunCo指标在全脑上的分布是有着强弱的变化的。例如，初级运动皮层表现出低的FunCo值的分布，而楔前叶就表现出来显著高的FunCo值的分布。FunCo指标揭示了脑区的不同功能角色，而这些功能角色是通过对内在连接网络的参与模式得到了体现。更进一步，我们关注了大脑左右半球之间的FunCo指标的差异区域的分布。其中我们发现与语言功能相关的脑区（布洛卡区等）在左半球表现了低功能复杂性，相较于右半球而言。而，跟顶下小叶等脑区在右半球表现了相较于左半球对应脑区低的功能复杂性。在将来的实际应用中，FunCo指标可以作为定量度量大脑功能复杂性变化的指标而应用到与脑功能失常的脑疾病研究中去。　　在静息状态下，提出了潜在激活模式的假说，探寻人脑自发活动的动态性变化背后可能的机理。人脑功能网络间的连接并不是一成不变的，其是在时间尺度上动态变化的。这种动态变化可以通过静息态功能影像数据得到反映。目前，如何描述人脑动态变化背后的原因一直是一个待解决的问题。在当前研究中，我们提出一种可能的假设，即，人脑的动态性活动与人脑中的潜在激活模式相关。我们进一步的假设这种潜在激活模式在大脑处于不同状态时，是稀疏表达的。针对前述的假设，我们采用了字典学习的框架对该假设进行建模。通过在线字典学习的方法，对模型进行了解算，得到了潜在激活模式以及其对应的稀疏表达的参数。我们发现了几种频繁参与到脑活动中的潜在激活模式，其与默认网络，突显网络以及额项网络具有联系。这种潜在激活模式在时间尺度上的稀疏表达，可能会为解释人脑自发活动的动态变化提供一种新的选择。