基于任务的功能磁共振研究功能连接主要特点：

1）有效连通性研究

神经功能连接研究的一个重要方面是“有效连通性”，即研究一个神经系统直接或间接施加于另一个神经系统的影响。在有效连通性研究中，这个影响是有方向性的，可以是正或是负，故其研究方法多是将假设的影响模式形成数学模型，并与特别设计的多种任务组合条件相结合，通过检验数学模型与任务条件交互作用的相似性来反映不同脑功能网络系统的功能连接性。这类需要执行任务的功能连接研究，常用分析方法包括：心理生理交互作用（Psychophy siological Interaction，PPI）、结构方程模型（Structural Equation Modeling，SEM）、基于“Granger 因果关系”的多元自回归模型（Multivariate Autoregressive Modeling，MAR）、动态因果模型（Dynamic Causal Modeling，DCM）等。这类研究方法的优点在于可以探测不同脑功能系统之间相互影响作用的方向性，但是这需要有先验知识给予较强的假设构建模型，而且其所能够研究的脑区范围与连接关系精确度之间存在相互制约，加之相应任务刺激设计和学习的复杂性，使得13此类研究的广泛应用（特别在临床型研究）受到挑战。

2）基于 Seed ROI 的相关分析方法

根据有关静息态 fMRI 研究的结果，许多学者认为与某一任务或是功能相关的脑网络系统，在执行该任务或功能时其功能连接性强于静息状态，而非相关脑网络系统的功能连接则减弱。实际上，脑的功能连接性在执行任务与静息态时都是存在的，故使用静息态研究的分析方法来处理任务研究的数据也是可行的。其中，基于 Seed ROI 的相关分析最为常用，其基本步骤与静息态研究的数据处理相似，只是数据是基于任务状态的，其结果反映的是任务状态时不同脑区间的功能连接性，是对静息态功能连接研究有意义的补充和延伸。

3）完全数据驱动的方法：如独立成分分析 ICA、主要成分分析 PCA 等。其基本原理如前所述，这些无需模型假设和 ROI 的方法也可以用来分析任务研究的数据，并且由于任务刺激脑激活结果存在部分可预见性，使得其分析结果的解释较静息态研究的更为容易。