当今时代,发展节奏快。大学生生活、学习、人际交往、升学、就业等压力的加重致使大学生抑郁症(Major Depressive Disorder,MDD)的发病率逐年升高。目前,抑郁症的病理机制尚不明确,仍然缺乏定量的生物指标来明确地界定抑郁症。神经影像学技术推动了医学的发展。脑网络是脑科学领域一个研究热点,复杂网络理论为脑网络建模提供了理论依据。本文以结构磁共振图像(structural Magnetic Resonance Imaging,sMRI)、弥散张量图像(Diffusion Tensor Imaging,DTI)数据为研究对象,借助统计分析的方法,利用复杂网络理论,对MDD患者大脑结构、脑结构网络的建模和脑结构网络动态演化作相关研究与分析。首先,基于sMRI、DTI数据进行统计分析。实验结果表明MDD患者在眶额叶、颞叶等出现明显的灰质密度(Gray Matter Density,GMD)、白质完整度(white matter integrity,WMI)差异,验证了这些脑区在奖赏系统、调节情绪回路中的作用。其次,使用机器学习的手段对脑区内灰质体积数据进行分类研究。结果显示分类准确率最高达到了 81%,因此利用灰质体积信息进行分类研究具有参考价值。然后,我们以复杂网络理论为工具分析MDD奖赏系统的拓扑结构的改变。MDD患者奖赏系统的局部效率、聚类系数、节点度、节点介数出现了不同程度的变化,表明MDD患者脑区间工作模式异常。最后,以组间网络拓扑属性的差异和脑网络动力学为基础,建立大脑结构网络演化模型仿真大脑病变过程中的动态改变。利用节点度和节点间的欧式距离为演化模型再现了 MDD的病变过程,为探索MDD的病理机制提供了新思路。