脑网络智能分析是解码脑功能机制、辅助脑疾病诊断的关键技术，但其发展受时空拓扑动态性、多模态数据异质性及多中心隐私保护等挑战制约。针对时空拓扑挖掘难题，提出基于最优传输的动态拓扑描述方法，捕捉脑网络随时间演化的关键特征及脑区交互模式。针对多模态融合挑战，构建跨模态特征对齐与自适应融合框架，有效整合不同模态脑影像数据的互补信息，提升脑疾病诊断的表现。针对多中心分析的隐私保护需求，设计基于联邦学习的分布式脑网络分析方法，在保障患者隐私安全的前提下，融合多中心数据提升模型的泛化能力。相关方法为脑网络智能分析的实际应用转化提供关键技术支撑。欢迎关注本期SPP：8月26日（本周三）19:30—21:00。