注意多动缺陷障碍（ADHD）作为一种儿童常见的神经发育障碍,目前已成为我国的一个严重公共卫生问题,需要及时干预、及时治疗。功能性磁共振成像（fMRI）为ADHD的神经机制研究提供了技术手段。基于视觉注意俘获任务下的ADHD儿童与正常对照儿童fMRI数据,研究ADHD儿童在特定刺激下的脑功能网络特征变化,具体如下:首先,采集ADHD儿童与正常儿童在视觉注意俘获任务下的fMRI数据,探寻ADHD儿童与正常儿童的脑功能模态特征差异。构建视觉区脑功能网络,获取视觉区脑功能网络的特征指标,包括:度分布、平均最短路径、介数等,并与传统全脑网络进行对比分析;同时,利用支持向量机（SVM）等分类器对特征指标进行分类,以区分ADHD儿童与正常儿童。其次,在初步分析两组儿童的特定脑功能子网络差异后,进一步研究被试在任务中脑功能区之间的关系特征,从网络重叠模块的角度深层次探讨ADHD儿童脑区的功能性协同。采用基于贝叶斯先验的非负矩阵分解（NMF）方法,预设不同的重叠社区数值,对两组数据构建的脑功能网络进行重叠社区检测。通过分析重叠社区检测结果,探索任务态下AHHD儿童与正常儿童脑功能网络重叠社区的一致性与差异性。另一方面,ADHD儿童的脑功能网络具有实时性和动态性,需采取提高识别脑网络时间分辨率的手段,以深入探索ADHD儿童的动态脑活动状态模式。在上述获取ADHD儿童脑模态特征差异与各脑区重叠模块特征的研究基础上,结合自适应脑状态提取算法进行分析。采用一种新型的空间标准差（SSD）算法动态地对全时间段进行划分,细化具有独立脑活动的动态时间窗脑网络,以提高识别任务中脑网络的时间分辨率;同时,通过聚类算法（K-means++）,实现任务过程中脑活动模式状态的分离,从而获取各个模态脑功能网络的核心脑节点特征。上述研究内容分别从探寻ADHD儿童脑功能网络特征变化、脑功能区重叠模块特征与提高识别任务态脑网络时间分辨率的角度开展,结果表明:采用视觉区脑功能网络分析法,选用视觉区脑网络指标作为特征对ADHD儿童与正常儿童进行分类,分类精度最高可达96.0%,与传统的构建全脑网络方法相比,精度提高了10%左右,能够较好地区分ADHD儿童与正常儿童。在脑功能网络重叠社区检测的研究中发现,ADHD儿童的脑功能重叠比指标为10.7%,略低于正常儿童,表明ADHD儿童在任务中脑功能协同效率较低;同时,相比于正常儿童,ADHD儿童的脑功能网络额叶-杏仁核-枕叶网络具有连接异常性。另一方面,研究所采用的自适应脑状态提取新方法能够有效获取任务下ADHD儿童的动态脑功能连接特征,并将任务中脑活动分为4个不同的状态,各个状态之间差异明显;与传统固定时间窗方法进行对比,研究采用的新方法构建的脑网络,其网络模块度Q值相较于传统方法,提升近20%。总之,上述研究均可从不同角度深入挖掘任务态下ADHD儿童脑功能网络的节点关联与连接强度特征,且实验效果良好。课题研究对ADHD儿童与正常儿童脑网络的区分具有一定的帮助,为ADHD儿童的临床辅助治疗提供了一定的理论依据,有利于ADHD儿童的辅助诊断与后续治疗。