脑成像数据可视化(MRI、DTI等)是科学、医学大数据可视化领域的热点研究课题。已有研究大多集中于微观脑部结构可视化，如神经元、体素(voxel)层面的连接图。这些微观结构上的连接特征在人群之间不具有典型且稳定的差异(Bio-marker)，难以用于疾病防控等宏观领域。课题组与美国著名脑成像研究所合作，基于阿尔默茨病数据集，系统地比较了多种经典网络可视化在真实宏观脑部网络上的可视分析效果。针对阿尔默茨病分析等典型应用任务，课题组创新性的总结了脑部网络区块间连接比较分析任务，并基于该任务引入了混杂矩阵与节点边设计的网络可视化原型。经过用例调研和用户实验，全面验证了这一新型宏观脑部网络可视化方法的有效性。研究成果被国际顶级可视化会议IEEE VIS-2016接收，并推荐到TVCG期刊发表。这也是IEEE VIS会议首次收录基于真实数据的宏观脑部网络可视化论文。脑部网络的结构分析对于脑神经科学、认知科学等有着重要的意义。目前的脑部网络结构分析，主要基于离线数据挖掘分析或在线交互式可视化工具进行探索，但尚未结合数据分析与交互人机界面两者的优势。我们借鉴新兴的可视分析理论与方法，提出一套脑部网络可视分析框架并实现了原型系统，该系统面向多标签脑部网络数据分类浏览与可视比较任务，主要创新点在于：(1) 在可视化系统中引入多种稀疏回归模型，允许用户根据组间比较效果选择的脑部网络特征展示；(2) 通过可视分析手段交互浏览多标签脑部网络数据集。该系统原型已部署于著名脑神经疾病阿尔茨海默病数据集，并在脑神经内科医生的实际案例调研中得到验证。该工作相关论文已被ACM TKDD 全文接收。