人脑是由数以亿计的神经元及各神经元之间耦合而成的一个复杂的非线性动力学系统。将复杂网络理论的方法应用于脑神经科学领域,运用系统的观点分析大脑神经元之间的信息处理和传递机制,对人类认识脑、理解脑的行为机理有着十分重要的意义。默认网络作为静息状态下人脑功能网络中一种特殊的网络模式,对人体内外环境的监测、清醒意识的维持等功能都起着重要的作用。本文采用非线性动力学中的神经元集群模型,结合弥散张量成像和功能磁共振成像技术,运用复杂网络理论构建分析正常健康被试和癫痫患者脑默认网络,研究其正常与非正常生理状态下默认网络特性。首先,介绍了默认网络的一些概念和研究现状,对当前流行的脑成像技术弥散张量成像和静息态功能磁共振成像的原理及应用进行了介绍；概述了神经元种群动力学的基本原理、基本模型以及相同步的理论基础,构建了神经元集群模型；从图论出发,描述了复杂网络中的统计特征参数,列举了有代表意义的复杂网络模型。其次,基于神经元集群模型和弥散张量成像数据构建了正常被试的默认网络,运用复杂网络理论对建立的功能连接网络进行特性分析,得到了网络的平均路径长度和聚类系数等,并通过中枢度计算发现了默认网络的关键脑区扣带后回和前内侧前额叶。同时,采用聚类分析方法将默认网络分解为内侧颞叶网络和背内侧前额叶网络,发现网络具有明显的层次化结构。然后,基于神经元集群模型构建了癫痫患者的默认网络,并对网络进行复杂网络特性分析,发现了癫痫患者默认网络的层次化结构出现紊乱。紧接着,依据静息态功能磁共振数据分别构建正常被试和患者的默认网络,采用统计分析方法对比基于模型构建的默认网络和基于试验数据构建的默认网络,结果发现其功能连接差异基本一致,从而验证了基于神经元集群模型构建默认网络的可靠性。文章还对默认网络结构连接和功能连接之间的关系进行了比较深入的探讨。以上的发现说明基于神经元集群模型研究脑默认网络是一种有效的新途径,有助于加强对癫痫疾病成因的认识。最后,总结全文并从默认网络研究发展的总体趋势归纳了进一步可研究和完善的工作。