抑郁症是一种以持久而反复的伤感、内疚感和无用感为主要特征的精神疾病。目前对抑郁症发病机制的了解还不够深入,诊断和治疗的方法还不够完善,对抑郁症的研究依然是重要的科研和临床课题。以往的基于神经影像学对抑郁症患者脑网络的研究结果虽然并不完全一致,但脑网络的随机化却有很强的收敛趋势。脑电是大量的神经活动在头皮处的总体反映,蕴含着丰富的生理和病理信息,并具有便于采集和实时监控的特点。因此,本文利用静息态头皮脑电数据对抑郁症患者脑功能网络的随机化特征进行了深入研究。基于独立成分分析、快速傅里叶变换和图论方法,我们构建了13个抑郁症患者和13个相匹配的健康被试的脑功能网络。采用非参数置换检验来检测图论指标组间差异的显著性,并采用皮尔逊相关系数来衡量抑郁量表得分和被试年龄与网络指标之间的线性相关程度。静息态脑功能网络的分析结果表明:在alpha波段,抑郁症患者脑功能网络的全局连接强度、聚类系数、特征路径长度和局部效率显著降低,全局效率显著升高;从“小世界”的角度来看,在alpha波段,抑郁症患者归一化的特征路径长度减小,而归一化的全局效率增大,表现出了与随机网络类似的拓扑特征;对于所研究的任一波段,对照组和抑郁症组度分布的最佳拟合模型均为指数截尾幂律分布。但相比于对照组,抑郁症组度分布的同质性更为明显,且度分布的形状参数α减小,标度参数β增大,表明脑网络中具有较高度值的核心节点的数量异常减少。此外,抑郁症患者的抑郁量表得分和年龄与网络指标显著相关。在alpha波段,我们研究了对照组和抑郁症组脑功能网络的鲁棒性和richclub特性。结果表明:相比于对照组,抑郁症组脑功能网络中的核心节点和关键连接均显著减少;无论是应对基于节点度、节点介数还是边介数的目标攻击或随机攻击,抑郁症组脑网络的鲁棒性和完整性均显著高于对照组,这对于抑郁症患者的大脑来说或许是一种潜在的“保护机制”;抑郁症组脑网络的rich-club系数显著降低,表明其网络中具有rich-club特性的核心节点减少,rich-club节点之间的连接变的更为稀疏。