静息态脑功能磁共振研究的数据采集方法如上所述，大致分为两种：400-500毫秒的短 TR 和 2 秒的长 TR 扫描。短 TR 扫描的频率快，可以基本避免呼吸噪声的影响，并避免大部分心跳和血管搏动噪声的影响。但短 TR 扫描的范围少，无法覆盖全脑，除非牺牲空间分辨率使用大的层厚，故目前主要用于感兴趣脑区的研究，只扫描感兴趣的脑区层面，仍然保持较高的空间分辨率。长 TR 扫描时可以覆盖全脑，具有较高的空间分辨率，其扫描模式和常规任务功能磁共振研究相似。虽然长 TR 扫描采集数据时不能避免呼吸、心跳等噪声的干扰，但是可以从数据分析的层面来进行处理，尽量规避噪声信号的影响。静息态脑功能磁共振研究的数据采集总时间一般在 4-10 分钟，多为 5-6 分钟，这样既保证数据样本的足量，又避免被试的头动和额外的思想活动。静息态研究成像扫描的序列和常规的任务研究一样，也是对 BOLD 敏感的 T2*加权 GE-EPI 序列。

静息态脑功能磁共振研究的数据预处理与任务研究的步骤类似，主要也包括：时间校正、头动矫正、时间序列归一化、空间标准化、空间平滑。而 0.01-0.1Hz的滤波处理为静息态研究所特有，特别是 2 秒长 TR 扫描时。数据预处理之后的分析，可以分为 2 大类：针对 BOLD 信号振荡时间上的同步性、相关性，和针对信号振荡的幅度，以前者应用最多。针对 BOLD 信号振荡时间上的同步性、相关性，按照具体分析方法，可以分为：

① 基于感兴趣的脑区、即种子点（Seed ROI）的相关分析

基于 Seed ROI 的相关分析是分析脑功能连接最常用、最简单、最直接的方法。其基本步骤是，首先根据一定的标准选择感兴趣的脑区作为种子点（SeedROI），再把某一 Seed ROI 内所有体素的信号时间序列进行平均并提取出来，与全脑其他脑区的各个体素进行相关分析，得到此 Seed ROI 与全脑其他各体素的相关性参数、即相关系数 r，每个相关系数有对应的参数值 t 或 p 反映其统计意义的大小。最初，Biswal 等使用 fMRI 研究静息状态下运动区的功能连接就是使用这种方法，之后 Greicius 和 Fox 等使用 fMRI 研究静息状态下默认网络的功能连接也是使用这种方法。

基于 Seed ROI 的相关分析的优点在于，分析方法简单、方便，结果清楚、明了且其意义容易解释。其缺点在于，Seed ROI 的选择对结果的影响较大，其选择标准具有较大的人为性，目前没有统一的标准，感兴趣脑区的偏向性使得研究结果有时不全面，存在明显的前提假设。目前选择 Seed ROI 的方法有：在同一个实验研究中使用任务 fMRI 激活的功能脑区，基于既往研究结果的脑激活区坐标人工定义，从标准脑的图谱模版中选取解剖脑区 ROI，手工绘制解剖脑区ROI，基于其他数据指标（如脑区 ALFF、VBM）研究的结果等。

② 等级聚类 Hierarchical clustering

等级聚类（Hierarchical clustering）分析，是在基于 Seed ROI 的相关分析的基础上，再行进一步地扩展和延伸。简单的基于 Seed ROI 的相关分析，往往只是考察几个 ROI 脑区的功能连接相关性，而没有考察众多脑区构成的复杂网络的组织分布情况和功能连接特性。等级聚类分析则是同时观察多个 ROI 脑区两两之间的相关性，并使用校正过的“部分相关系数”构成计算矩阵进行“聚类”8（clustering）分析。等级聚类分析得到的结果可以构成“等级树形结构图”或“拓扑地形图”，直观形象的反映众多脑区构成复杂网络的内部关系和整体架构。使用“图形分析”（graph analysis）算法,对等级聚类分析的结果进行考察，可以揭示大脑功能网络的组织效率和拓扑特性。“Graph analysis”主要考察不同连接点（即脑区）之间的图形连接特性，包括：“聚类系数”（clustering-coefficient）,“特征性步长” （characteristic path length）,“连接度”（connectivity degree）,“中心性和模块性”（centrality and modularity）等。根据这些指标可以将连接网络的分布布局归类为：规则型、随机型、小世界型（small-world）、自由尺度型（scale-free）、模块型（modular networks）等。不同的网路连接布局具有不同的信息传递效率和抵御攻击的能力，例如“小世界型”网络就具有高的“聚类系数”与短的“特征性步长”，因而有很高的连接效率；“自由尺度型”网络对随机点攻击有较好的抵御能力，但是对“中心结点”的攻击很敏感，而这种连接网络中的“中心结点”，就大脑脑区而言，可能即是疾病发病的关键点和治疗的重要靶点。

③独立成分分析 ICA