本文探讨了功能线性非高斯无环模型（Func-LiNGAM）在识别大脑有效连接中的因果关系。研究建立了非高斯随机向量和无限维空间中因果关系的理论基础，并通过功能主成分分析解决了稀疏性问题。实验结果显示，该方法在多变量函数因果关系识别中表现优异，尤其在fMRI数据分析中效果显著。

研究提出了一种名为CT-GAN的新模型，能够从fMRI和DTI中融合功能和结构信息，并通过分析生成的连接特征来识别与阿尔茨海默病相关的大脑连接。评估结果表明，该模型能够显著提高预测性能，有效地检测与该病相关的大脑区域，并为检测异常神经回路提供了新的见解。