经济全球化促使各国的经济和技术飞速发展,人们在享受快节奏生活带来的便利生活时,生活成本和生活压力日趋升高,各种精神疾病接踵而至,摧残着人类脆弱的身心健康。作为精神疾病之首的抑郁症,患者会出现持久的情绪低落、意志消沉甚至自残自杀,给患者、家庭乃至社会带来了极大的生活和医疗负担,预计到2030年抑郁症将成为全球第一大疾病。因此,我们急需找出抑郁症等精神疾病的致病机理,及时对患者进行诊断治疗。精神疾病一般与大脑结构和功能的异常有关,而目前医疗技术和计算机技术的快速发展,给深入研究大脑机理提供更多的可能性。本文基于抑郁症的结构和功能磁共振数据,并结合图论、统计学、人工智能和复杂网络等知识,对患者的大脑网络结构和拓扑属性等进行分析。主要进行了以下工作:(1)本文基于抑郁症患者和健康被试的大脑核磁共振数据,通过皮尔逊相关系数构建了两组被试的结构网络和功能网络。通过比较网络的全局属性发现,抑郁症患者结构网络和功能网络的聚类系数均出现了一定程度的下降,其小世界属性也出现了下降,并呈现出向随机网络演化的趋势。抑郁症患者的同配性、模块化程度、层次化程度、同步性与健康被试相比,均出现了一定程度的下降。因而健康被试的大脑功能性分离和整合能力更好,拥有更好的逻辑思维、任务处理能力。另外,研究抑郁症的局部属性后发现,丘脑、脑岛、额中回等多个脑区出现了异常,如额中回脑区发生异常,可能导致抑郁症患者思维缓慢、工作效率低下。计算两组被试的灰质体积后发现,抑郁症患者的丘脑、海马体等脑区的灰质体积发生了变化,这导致了抑郁症患者出现“思维滞缓”的症状。(2)本文基于fMRI数据的时间序列构建了两组被试的超网络,定义并提取了超网络的三类聚类系数和节点间边的邻居凝聚系数,对脑区间的相互作用进行研究。经K-S检验统计发现,抑郁症患者的脑岛、海马体等脑区出现异常。发现的异常脑区中与结构网络和功能网络发现的异常脑区有部分重合,说明抑郁症患者的大脑结构和功能确实发生了变化。基于网络的相关系数矩阵,研究了网络之间的关系,结果发现结构网络的网络连接给功能连接提供了一定的物理基础。另外,本文还对大脑的老化进行了研究,发现老年人的额叶、枕叶、颞叶和边缘系统的脑区灰质体积出现萎缩,并且小世界属性也呈现出下降的趋势。这与老年人的记忆衰退、反应迟缓、逻辑思维能力下降等症状有一定的关系。(3)本文研究了两组被试的大脑活动信号,主要提取和分析了ALFF、fALFF和ReHo信号值。通过双样本T检验统计异常脑区,发现抑郁症患者的脑岛、楔前叶、额叶、扣带回、丘脑等多个脑区出现异常。这些脑区的异常导致了抑郁症患者的情绪调节失常,共情障碍,自我认知功能下降等。(4)本文基于上述的研究结果,筛选出具有显著差异的特征,使用NB、NN、LightGBM算法构建抑郁症辅助诊断模型。另外,为了降低特征维度,还使用了PCA、LDA、AE、RFE算法对数据进行降维。最后将特征进行融合,并分别训练NB、NN、LightGBM和三者的集成模型。比较各模型分类结果,集成模型的抑郁症辅助诊断效果最好,其分类准确率达到88.72%,精确率达到86.21%,特异度达到89.42%。