随着现代生活节奏的加快,各方面压力的不断增大,越来越多的人罹患抑郁症精神疾病。据调查抑郁症患病率非常高,自杀率位于所有精神疾病之首,其给患者和家属造成的痛苦,对社会造成的损失是其他精神疾病所无法比拟的。目前,抑郁症的诊断具有明显的症状学取向,缺乏定量的生理指标,诊断和治疗大多凭借临床的经验,这种诊断方式识别率低,从而延误了最佳治疗时间,导致病情加重等严重后果。近年来随着医学影像技术,尤其是静息态fMRI技术日趋成熟,为探讨研究抑郁症脑功能提供了物质基础,并借此技术使得发展安全高效的抑郁症治疗方法成为可能。鉴于寻找抑郁症诊疗生物指标的迫切需求以及日益成熟的fMRI数据分析技术和模式分类技术,本文主要进行了静息态fMRI的功能连接分析方法研究实现以及应用。本文主要工作如下：第一,根据实验的目的,通过认真的选取被试并采集到有效的静息态fMRI数据,经过严格步骤完成数据的预处理工作,得到了有效可靠的实验数据。第二,在数据分析方法上,主要采用了以模型驱动的分析方法,包括时域角度的相关分析、偏相关分析和频域角度的相干分析和互信息分析,实现了对抑郁症患者和健康对照者进行选定脑区之间的各种方法的功能连接分析,并比较了这四种功能连接分析方法。第三,将四种功能连接分析所得的脑区之间的功能连接值作为选定特征进行特征提取,本文主要采用了参数T检验方法和非参数K-S检验方法。第四,基于提取的特征进行抑郁症患者和健康对照组之间的分类。分类方法上主要选取了SVM算法和三种参数寻优的SVM算法来进行分类,并对各种方法的分类结果进行比较与分析。本实验的分类准确率在75%左右,远远高于50%的随机水平,充分证明了实验中所选用的方法是可行的,可以将抑郁症患者和健康者有效的区分开来,对于建立抑郁症诊疗的影像学指标起到了一定作用,从而可以更好的辅助抑郁症临床诊断和疗效评判。