本文探讨了利用图神经网络（GNNs）进行脑网络分析的方法，如BrainGB、Joint-GCN和BrainRGIN。这些方法在智力预测、结构与功能网络关系分析及分类性能提升方面表现显著。此外，开源工具和框架为神经影像数据分析提供了新解决方案，推动了脑科学研究的发展。

本研究使用神经影像数据和机器学习算法构建了脑龄预测模型。通过预训练和微调神经网络，可以准确估计不同人群的生物年龄，并成功应用于不同的数据集。

本文研究了使用神经影像数据和机器学习算法估计生物年龄的脑龄预测模型。通过预训练和微调神经 VNN，可以从不同人群中提取符合生物学规律的脑龄估计，并成功迁移到不同的数据集中。

本研究提出了一种利用深度学习的图像分割来解决基于体素的多重检验问题的新的空间FDR控制方法DeepFDR。DeepFDR相对于现有方法具有明显的优势，在FDR控制和减少错误的非发现率方面表现出色，并且在处理大规模神经影像数据方面具有极高的计算效率。