人脑是自然界中最复杂的系统之一,通过神经元网络实现不同大脑区域间信息的交流来完成认知活动。从复杂网络的角度研究大脑的认知神经机制为我们研究大脑提供了一种新视角。基于扩散张量成像（Diffusion tensor imaging,DTI）构建的结构脑网络能够揭示大脑白质纤维连接的多种参数,比如,部分各向异性（Fractional anisotropy,FA）对白质结构的完整性较为敏感,平均弥散率（Mean diffusivity,MD）MD测量了水分子的整体扩散程度,轴向扩散率（Axial diffusivity,AD）和径向扩散率（Radial diffusivity,RD）与轴突和髓鞘变化相关。仅一种参数的结构网络不能全面反映大脑白质纤维连接信息,无法提供综合性分析。大脑在结构上具有左右半球不对称性,存在功能分化,其偏侧化程度与大脑认知功能密切相关。然而,以往研究仅仅关注单一参数的结构网络,大脑的多参数大脑结构网络及其偏侧性机制尚不清楚。基于图论分析方法计算拓扑属性可以清晰地了解脑网络的异常模式,探究脑疾病对大脑结构造成的损伤。因此,本文以双向情感障碍疾病为研究对象,利用Node2vec算法提取的嵌入特征,将多参数的嵌入特征拼接成矩阵,然后利用余弦相似性算法构建多参数融合的脑网络,最后进行图论分析和偏侧化分析,统计差异性特征构建辅助诊断模型,以提高辅助诊断双相情感障碍的准确度。本文的主要创新性工作和研究成果包括:（1）本文系统全面分析基于DTI构建的FA、Lgi MD、Lgi AD和Lgi RD4种单参数结构脑网络,比较分析其网络拓扑属性。研究结果发现相较于对照组,双相情感障碍患者（Bipolar disorder,BD）的FA网络对大脑额叶框部和边缘系统的异常和视觉功能障碍较为敏感,而Lgi MD、Lgi AD和Lgi RD3个参数网络对大脑情绪功能障碍更加敏感。另外,多个单参数脑网络分析结果整合发现BD大脑全局整合和复原功能降低,而分离功能显著增加,异常脑区主要集中在额叶-皮层-纹状体-丘脑回路的关键区域。FA网络对大脑额叶框部和边缘系统的异常和视觉功能障碍较为敏感,而Lgi MD、Lgi AD和Lgi RD3个参数网络对大脑情绪功能障碍更加敏感。结果表明基于多个单参数构建的脑网络能更全面地检测出拓扑信息变化,为综合分析大脑拓扑结构变化提供互补信息。（2）本文基于Node2vec算法分别提取多个单参数网络的节点嵌入特征,再将其拼接成节点嵌入特征矩阵,利用余弦相似性重构融合的脑网络,计算其拓扑属性和偏侧化指数。结果发现,相比多个单参数脑网络,多参数融合脑网络分析结果还发现BD大脑全局整合、复原和分离功能障碍更加显著,并且在顶叶、基底节和颞叶的脑区节点度发生显著变化,BD大脑拓扑结构的偏侧性丧失甚至逆转。此外,网络拓扑偏侧性与BD临床躁狂和抑郁症状也呈现出显著的相关性。研究结果表明相较于多个单参数的结构脑网络,本文构建的多参数融合网络更能够反映出大脑更敏感的异常结构变化和偏侧性改变,可以作为更有效的生物学标记物。（3）本文利用多种机器学习算法,分别对多个单参数网络和多参数融合网络的拓扑属性和偏侧化指数特征构建SVM、随机森林、逻辑回归和决策树4种分类模型,计算其分类效果。研究结果发现使用多参数融合网络特征的分类效果优于多个单参数网络,其中SVM分类器的准确率高达99.10%。另外,模型加入偏侧化特征后,融合网络的分类准确率有显著提高,达到99.23%。研究结果表明融合网络特征和偏侧化特征在辅助诊断BD的应用研究中具有一定的临床价值。