【目的】
　　1.探讨精神分裂症患者与正常人的丘脑MRI纹理差异。
　　2.研究精神分裂症患者的丘脑放射组学特征，建立精神分裂症的分类模型。
　　3.探讨精神分裂症患者有统计学差异的纹理特征和其阳性和阴性症状量表(PANSS)评分、阳性症状评分、阴性症状评分、一般精神病理学评分的相关性。
　　【方法】
　　124例受检者(70名精神分裂症患者和54名年龄、受教育程度和性别比例都匹配的健康对照者)经3.0TMR750磁共振扫描(GE Medical Systems)的1mm高分辨率T1WI图像以Dicom格式导出，再导入ITK-SNAP软件，在轴位图像上以丘脑为感兴趣区(ROI)进行勾画并以Merge格式保存，再导入AK软件，软件按7：3的比例划分训练组和测试组。软件通过特征选择找出有统计学差异的纹理特征，再用Logistic回归模型进行机器学习，建立精神分裂症的分类模型，再对以上纹理特征进行ROC曲线下面积的计算。最后对70例精神分裂症患者有统计学差异的纹理特征与其PANSS评分、阳性症状评分、阴性症状评分、一般精神病理学评分进行相关性分析。
　　【结果】
　　1.23个有统计学差异的纹理特征：GLCMEnergy_angle0_offset4、Compactness1、Skewness、StdDeviation、ClusterShade_angle0_offset7、AngularSecondMoment、GreyLevelNonuniformity_AllDirection_offset1、LongRunEmphasis_angle0_offset4、LongRunEmphasis_angle0_offset7、GLCMEntropy_AllDirection_offset4、GLCMEntropy_AllDirection_offset7、GLCMEntropy_AllDirection_offset7_SD、GreyLevelNonuniformity_AllDirection_offset1_SD、GreyLevelNonuniformity_AllDirection_offset4_SD、GreyLevelNonuniformity_AllDirection_offset7_SD、LongRunEmphasis_AllDirection_offset1_SD、LongRunEmphasis_angle0_offset1、LongRunEmphasis_angle135_offset4、LongRunLowGreyLevelEmphasis_AllDirection_offset4_SD、LowGreyLevelRunEmphasis_AllDirection_offset7_SD、RunLengthNonuniformity_AllDirection_offset1_SD、Maximum3DDiameter、SurfaceVolumeRatio。
　　2.AUC值最大的五个纹理特征：Compactness1、LongRunEmphasis_angle0_offset1、GreyLevelNonuniformity_AllDirection_offset1、GLCMEnergy_angle0_offset4、LongRunEmphasis_AllDirection_offset1_SD，AUC值分别为0.846、0.808、0.791、0.777、0.764。
　　3.训练组、测试组AUC值分别为0.94、0.80。精神分裂症分类模型的敏感度、特异度、准确度、精确度分别为0.71、0.76、0.73、0.78。
　　4.RunLengthNonuniformity_AllDirection_offset1_SD和PANSS中度正相关(r=0.68)，LongRunEmphasis_angle0_offset1、Compactness1和PANSS高度负相关(r=-0.73、r=-0.78)；GreyLevelNonuniformity_AllDirection_offset1_SD和阳性症状评分中度正相关(r=0.61)、GreyLevelNonuniformity_AllDirection_offset1和阳性症状评分高度正相关(r=0.81)；LongRunEmphasis_angle0_offset4和阴性症状评分中度负相关(r=-0.53)；LongRunEmphasis_angle0_offset1和一般精神病理学评分中度负相关(r=-0.63)。
　　【结论】
　　1.丘脑的纹理特征可作为精神分裂症诊断的生物学标志物，基于机器学习的放射组学模型是一种有效诊断精神分裂症的方法。
　　2.精神分裂症患者的丘脑部分纹理特征与其临床表现具有潜在相关性。