抑郁症又称抑郁障碍,以显著而持久的心境低落为主要临床特征,到目前为止,抑郁症的发病原理尚不明确。自从功能磁共振成像技术兴起以来,有大量的研究在致力于利用这种具有描述和判别大脑疾病潜力的新技术,来对抑郁症疾病进行客观预测,以期其能对临床诊断起到辅助作用,降低人为主观因素影响。所以本文在收集了39例抑郁症患者和37例对照组正常人的静息态的fMRI数据之后,希望利用提取的功能连接数据做为特征对病人正常人进行判别分析,来发现抑郁症患者异常的脑区和功能性网络。论文首先利用非参数的Mann-Whitney U检验对90个脑区的4005维特征进行降维,进而利用这些在抑郁症和正常人之间具有显著性差异的特征进行判别分析,得到的结果为:基于决策树模型的最高泛化分类正确率为65.79%,基于Elman神经网络模型的最高泛化分类正确率为76.62%,基于决策树提升的AdaBoost模型的最高泛化分类正确率为83.48%,基于Elman神经网络提升的AdaBoost模型的最高泛化分类正确率为81.43%。本文还利用了全部的4005维特征作为输入,利用Lasso-Logistic回归模型的最高泛化准确率为88.16%。利用泛化分类正确率最高的Lasso-Logistic回归模型,论文对所有被试的脑区和功能性连接进行了重构,从而发现了抑郁症患者异常的脑区和功能连接,其中主要的脑区有左颞下回、左梭状回、右眶额叶和左苍白球豆状核等,同时三个主要的异常功能回路分别为“颞下回-颞中回-额中回”组成的回路、“颞极-眶额叶-脑岛-中央前回”等脑区组成的边缘系统和“脑岛—额上回—壳豆状核—杏仁核”的情绪憎恨调节网路。