帕金森病(Parkinson disease,PD)是常见的神经退行性疾病,其主要临床症状包括：静止性震颤、肌僵直和运动迟缓等.PD的主要病理改变是黑质纹状体细胞的进行性损失和细胞内路易斯小体的聚集,只有到神经元死亡50-60％后才会出现临床症状.因此PD的早期诊断一直是一个世界性的难题.本文的主要工作是基于matlab的特征数据提取、特征筛选以及应用支持向量机的分类器训练与测试.本文参考了ALL大脑分区模版进行特征数据提取,提取的特征包括脑脊液CSF、灰质GM、白质WM、低频振幅ALFF、区域一致性ReHo.特征选择采用了三种方法,包括双样本T检验、基于距离的Relief排序和基于支持向量机的递归特征消除(SVM-RFE).将特征选择得到的最优特征向量子集用于分类器训练.分类器的测试使用了留一交叉验证的策略.结果表明,基于MRI影像学分析方法,可以对早期PD的出现进行准确率较高的预测.