生长激素缺乏症（Growth hormone deficiency,GHD）是一种儿科门诊常见的发育障碍,是由生长激素和其受体部分缺乏或完全缺乏引起的。GHD患者的特征在于生长激素分泌水平低下,身材矮小以及多种认知和行为问题,包括多动、焦虑和抑郁等。早期的行为学和神经影像学研究表明,GHD可能会影响与认知行为能力相关的大脑功能活动,然而这种影响的病理生理机制仍不清楚。为了研究GHD儿童在静息态下脑功能活动与其临床认知及行为的相关性,本文征募了年龄、性别均匹配的26位GHD儿童和15位健康对照儿童,对这些儿童进行了静息态功能磁共振成像（resting state functional magnetic resonance imaging,rs-fMRI）扫描和方法计算,并分析了GHD儿童脑功能改变与其异常认知行为的关系。结合机器学习算法,进一步从脑功能角度对GHD儿童进行了识别研究,为医生临床诊断提供帮助。本文的研究内容可分为以下三个部分:（1）使用局部一致性（regional homogeneity,ReHo）方法,对GHD儿童和健康对照儿童的rs-fMRI数据进行计算。通过对比实验,研究了GHD儿童静息态下ReHo的改变。结合心理学及行为学研究结果,分析了ReHo的改变与GHD儿童异常认知行为的关系。结果表明,与健康对照相比,GHD儿童多个脑区的ReHo显著异常,这些异常的脑区可能反映了患儿的多种认知行为异常,包括抑制控制功能障碍、不适当的焦虑和抑郁等。本研究的结果为了解GHD儿童认知行为异常的潜在病理生理机制提供了影像学依据。（2）利用低频振幅（amplitude of low-frequency fluctuation,ALFF）方法,分析了GHD儿童的自发神经活动的改变。对比分析表明,与健康对照儿童相比,GHD儿童大脑右侧舌回和角回的ALFF显著增加,而大脑右背外侧上额回、左侧中央后回、顶上回和颞中回的ALFF显着降低。这些发现证明了GHD儿童大脑功能活动存在异常,这些异常为GHD患儿异常认知行为的病理生理机制提供了可能的解释,例如攻击性行为、躯体主诉、注意力缺陷和沉默寡言。（3）基于前两项研究,结合机器学习方法,对GHD儿童功能活动异常脑区的对应指标进行了分类识别研究。搭建了两种支持向量机（support vector machines,SVM）分类器模型,利用两类指标对分类器模型进行训练并做出预测,从脑功能角度区分GHD和健康对照儿童。使用留一交叉验证法,对分类器模型进行参数寻优。通过对比分析,发现儿童静息态下大脑右侧舌回和背外侧额上回的ALFF可作为线性核SVM分类器模型区分GHD儿童和健康对照的标志。此外,从脑功能角度对GHD儿童和健康对照儿童进行识别,发现线性核SVM模型的性能显著优于高斯核SVM模型,为将来研究机器学习方法在GHD或其它神经精神疾病中的应用提供了参考信息。