精神疾病是人类大脑受到各种因素的影响,导致精神活动出现异常的一类疾病,精神分裂症则是精神疾病中患病率极高的一种,至目前为止病因尚未明确。网络神经科学的出现为精神分裂症的研究提供了一套可行的方案,利用非侵入式成像技术得到患者的大脑影像来建立个体的脑网络模型,可以帮助人们了解精神分裂症患者的大脑异常,对于认识精神分裂症的病理机制具有极其重要的意义。本文获取了精神分裂症患者以及正常对照个体的功能核磁共振成像数据和弥散张量成像数据,从大脑发育和认知控制的角度对二者进行分析,探究精神分裂症患者脑网络的异常发育模式。本文分别对功能核磁共振成像数据和弥散张量成像数据进行预处理,构建出受试个体的功能脑网络和结构脑网络模型。在脑网络的基础上,计算脑区、模块以及全脑等不同层次的网络拓扑特征和基于网络控制理论的可控性指标等,并对全脑可控性的分布进行分析。通过采用组间比较以及相关分析等方法分别研究不同网络特征在精神分裂症患者和正常对照之间的差异以及随受试个体年龄发育的轨迹,从而验证了脑网络的性质可以表征精神分裂症患者大脑存在的异常以及受试个体大脑随年龄的发育过程。本文采用建立在功能脑网络和结构脑网络上的网络拓扑特征和可控性指标,来探究精神分裂症患者脑网络的异常发育模式。第一,采用偏相关和弹性网回归等方法探究精神分裂症患者脑网络发育和病程之间的关系。结果表明,可控性指标相比于网络拓扑特征,与病程之间存在有更多关联的结果。在功能脑网络和结构脑网络中,均发现多数大脑区域的平均可控性随患者病程的延长而增加,模态可控性的变化则呈现下降的趋势。第二,采用多元线性回归和双因素方差分析等方法探究精神分裂症患者脑网络随年龄的异常发育模式。结果表明,在16到30岁的年龄范围内,精神分裂症患者结构脑网络中默认模式网络的平均可控性相比于正常人有着异常的发育模式。在16到71岁的年龄范围内,精神分裂症患者结构脑网络在多数大脑区域如中央后回亚区等的平均可控性表现出上升的趋势,模态可控性则呈现相反的轨迹。最后,通过支持向量机方法对精神分裂症患者和正常人进行分类预测,将存在异常的网络拓扑特征和可控性指标作为模型的输入,预测准确率为78.69%。