自闭症是一种异质性神经发育障碍，以非正常的社交行为、沟通技能受损和重复刻板行为为临床核心特征。其确切病因尚不明确。根据最新的流行病学资料显示，自闭症影响了近1/88的儿童，且患病率仍在继续增长。目前的诊断大多基于对患者的行为观察或交流访谈，依赖于专家主观经验。研究表明，由静息态功能磁共振成像数据得到的脑网络连接矩阵可作为自闭症的一种可能的生物标志物，即大脑中网络连接的改变可能是导致自闭症的原因。因此，寻找自闭症的影像学标记物对实现自闭症的客观诊断具有十分重要的意义。
　　目前有关自闭症的研究多基于线性功能连接或形态学特征分析患者的脑网络特性，建立诊断模型，无法体现脑连接的非线性特性。因此，本研究使用静息态功能磁共振成像数据，基于线性的动态功能连接和动态有效连接、非线性的相位同步三种方法建立脑网络连接矩阵，探究自闭症的脑网络机制，寻找自闭症的影像学标记物，并在此基础上建立自闭症智能诊断模型。具体研究内容分为以下两大模块：
　　（1）自闭症的影像学标记物研究。a)基于皮尔逊相关建立功能连接矩阵。通过两种时变分析策略：滑动窗法和最小灵活二乘法得到动态功能连接矩阵。分别对两种分析策略得到的连接矩阵进行聚类分析，每类下对自闭症患者和健康对照进行组间T检验得到自闭症的影像学标记物；b)基于格兰杰因果分析和滑动窗策略建立动态有效连接矩阵。同样进行聚类分析，每类下进行组间T检验得到自闭症的影像学标记物；c)基于脑区的相位关系建立连接矩阵，通过组间T检验得到自闭症影像学标记物。结果表明与自闭症核心症状相关的脑区确实存在差异连接。本研究结果可为自闭症的临床诊断参考使用。
　　（2）自闭症的智能诊断模型研究。基于相位特征开展自闭症智能诊断研究，应用优化的支持向量机算法建立自闭症诊断模型。将此模型与基于功能连接的诊断模型进行对比，发现相位同步法获得77%的识别准确率，明显优于功能连接，且灵敏度、特异度等指标均处于较高水平，可为临床诊断提供参考依据。该结果表明，相位同步可能比广泛使用的功能连接更能准确预测自闭症。
　　本研究使用不同方法较为全面地探讨了自闭症的影像学标记物。其中相位同步法在自闭症研究中还没有被使用，具有一定创新意义。除此以外，本研究基于相位同步结合优化的支持向量机算法建立的诊断模型有一定优越性，为自闭症研究提供了一种新思路。本文结果为揭示自闭症相关脑机制和建立客观诊断标准提供了新的视角，并对其他神经疾病研究有一定参考价值。