功能核磁共振成像技术具有较高的时空分辨率及无创性等优点，对了解大脑的结构及功能有着非常重要的作用。利用功能核磁共振成像进行抑郁症的识别是近年来的研究热点，研究以提高抑郁症识别的准确率为目的，围绕着识别特征的提取和融合来展开。　　 临床医学研究发现抑郁症的脑机制基础有两个方面：一方面，抑郁症患者的脑区激活出现异常；另一方面，抑郁症患者特征脑区之间的关键信息环路发生异常。功能信号成分可以反映出脑区激活的幅值和过程，功能连接参数可以反映出脑区之间信息环路的特性。如果能将脑区的激活特性和脑区之间的功能连接特性结合起来，用于识别模型的建立，将能很好地提高模型的识别性能。　　 针对抑郁症患者出现的脑区激活异常，本文提出了一种新的算法，用于提取功能信号成分。这种方法将fMRI的任务态数据和静息态数据协同分析，在没有任何先验知识的条件下，通过独立成分分析、相关分析和频谱分析将功能信号成分提取出来。我们对提取出的功能信号成分做特征提取，获得识别特征并完成分类，得到了79.17％的识别正确率。　　 针对抑郁症患者出现的脑区之间关键信息环路的异常，本文将动态因果模型的应用引入识别模型中，利用动态因果模型计算出大脑脑区之间的功能连接参数。方法将前扣带回、右额下回和海马等脑区作为感兴趣脑区，通过模型比较获得最优连接模型，计算脑区之间的功能连接参数。我们将感兴趣脑区之间的功能连接参数作为识别特征，完成分类，得到了62.50％的识别正确率。　　 基于上述工作，我们从特征融合的角度出发，将功能信号成分和功能连接参数结合起来，在特征和分类结果两个层面上建立融合机制。采用AdaBoost方法和模糊逻辑算法，分别得到了83.33％和87.50％的识别正确率。