对大脑白质纤维连接的研究，过去大多通过解剖染色的方法完成。 然而这种方法由于其有创性，只适合于动物的研究，不能用于研究活体人脑。 扩散磁共振成像的兴起，使得非侵入性地研究活体人脑的白质纤维成为可能，同时也不会对大脑的内部组织结构造成破坏。 扩散磁共振成像的原理主要是基于水分子的扩散属性。 由于水分子不能自由出入有髓纤维的髓鞘，因此，水分子在有髓纤维的扩散形式表现出较高的各向异性。
采用该技术可以测量某个体素内各向异性的大小，可以间接反映髓鞘化程度或纤维束的完整性； 根据各向异性的方向，可以追踪纤维束的走向。 目前基于扩散磁共振成像的纤维追踪技术已经被广泛地应用于正常人群和神经精神疾病患者的研究中，以非侵入性的方式观测白质纤维束的变化。 但是利用扩散磁共振成像和纤维追踪方法来研究人脑结构连接网络的组织模式，目前还仅仅处于初步阶段。
2007 年，Hagmann 等人利用扩散磁共振成像分析了2 名被试的结构数据，建立了基于个体的包含约1000 个节点的大脑结构连接网络，并且证实了该网络具有“小世界”特性，其节点度分布服从幂律分布。 随后，Ituria-Medina 等人利用扩散加权磁共振成像（diffusionweighted MRI）构建了20 个被试的人脑加权结构网络。 在这项研究中，他们采用了一个先验的脑图谱将大脑分为90 个脑区，然后度量了任意两个区域间的连接概率，进而构建了脑的结构网络。 网络分析发现该脑网络具有“小世界”的性质，脑区节点度分布服从指数截尾的幂律分布。 进一步他们发现该网络中的核心节点主要分布在杏仁核、楔前叶、脑岛、顶叶上部及额上回等区域。
2008 年，Gong等人采集了80 个被试的大样本扩散张量磁共振数据，采用同样的脑图谱将每个被试的大脑皮层划分为78 个区域，通过设置脑区之间纤维连接数目的合理阈值建立了每个被试的大脑结构网络，然后得到80 个被试的平均大脑结构网络。 通过分析，他们发现该网络为“小世界”网络，节点度分布服从指数截尾的幂律分布，这些结果和Ituria-Medina等人基于扩散磁共振成像的脑网络研究是一致的。 此外，该研究发现网络的核心节点主要分布在大脑的联合皮层区域，但是最核心的区域在楔前叶和额叶内侧区域。 网络中的大多数核心连接都与核心节点相连，分布在不同的半球或相同半球的不同脑区之间，为大脑功能的分化和整合提供了结构基础。
同年，Hagmann等人采用扩散谱成像技术（diffusion spectrumimaging，DSI）技术分别建立了5 个被试的包括998 个脑区和66 个脑区的加权大脑结构网络，并通过计算网络的节点度、介数中心度和节点效率从不同的角度描述了大脑结构网络中的核心区域。 节点度计算结果显示网络的核心节点集中分布在内侧顶叶，额叶内侧和颞上回等区域； 介数中心度和节点效率分析则显示网络上信息传输的中心点主要分布在大脑皮层的内侧区域，如楔前叶、扣带回后部等。 进一步的网络模块化分析发现大脑结构网络可以划分为6 个模块，连接不同网络模块的脑区（连接子）主要分布在扣带回前部和楔前叶等区域，而模块内部的核心节点则分布在额叶、颞叶和枕叶内。
最近，Li 等人采用DTI 技术研究了人类个体智力与大脑结构网络属性之间的关系。 研究者首先根据韦氏成人智力量表评测并记录了79 名被试者的总体智力评分（FullScale IQ，FSIQ），然后根据Gong 等人提出的基于确定性追踪技术构建脑结构网络的方法获得了单个被试的脑结构网络。 通过计算脑结构网络的属性并与被试的FSIQ 评分进行偏相关分析，发现脑网络的属性与FSIQ 评分显著相关： 智力评分越高的被试，其脑网络的边数越多，平均最短路径长度越短，网络的全局效率越高。 这些结果表明，个体的智力水平与其大脑结构的拓扑结构是显著相关的，大脑结构网络效率高的被试往往具有较高的智力水平。
Yan 等人也采用了Gong 等人[35]提出的方法探讨了大脑结构网络与性别、脑体积及智力水平的关系，结果发现女性被试大脑结构网络的局部效率要显著高于男性被试，并且在女性中，大脑结构网络的局部效率与脑体积都和智力水平呈现出显著的负相关。
最近，Gong 等人提出了基于概率的纤维追踪方法构建人脑结构连接网络的方法，并研究了年龄和性别对大脑结构网络拓扑属性的影响。 他们发现随着年龄的增长，脑结构网络的连接密度和全局效率都逐渐减小，效率减弱最显著的区域集中在顶叶，而额叶和颞叶却呈现出效率增高的趋势。 同时，研究者还发现，与男性相比，女性的大脑结构网络具有更高的连接效率。
利用扩散磁共振成像获取的数据信息可以无创地重建个体人脑的白质纤维，从而明确脑区之间白质纤维的结构位置和行走特点。 因此，与基于形态学指标的大脑结构网络相比，基于扩散磁共振数据构建的结构网络可以更加直观地刻画脑区之间真实的结构连接。
然而，由于磁共振成像设备与成像技术的限制，目前大脑白质纤维的重建仍然存在很多问题。 例如，现存的纤维追踪方法（如基于确定性的追踪方法）在重建交叉纤维以及较长的纤维时仍有困难，导致脑区之间部分连接的遗失； 另一方面，一些基于概率的纤维追踪方法虽然可以克服以上困难，但却会不可避免地重建出一些并不存在的伪连接。因此，如何准确地重建白质纤维就成为了基于扩散磁共振成像构建大脑结构网络的关键所在，也是扩散磁共振成像技术研究的核心问题之一。
