抑郁症是一种以抑郁心境为主要表现的疾病。目前,在发达国家中抑郁症是15种主要的致残原因之一。据不完全统计,全球每年自杀死亡人数约为200万,其中52%是抑郁症患者。国内调查资料显示,我国抑郁症患者占总人口的4%-8%,约5500万人。可见抑郁症对人类健康的威胁甚大。预测到2020年,抑郁症将成为仅次于癌症的人类第二大致残因素。心身医学、医学心理学、精神病学新近资料表明,抑郁症的现患病率已经超过心脑血管疾病和肿瘤,跃居发达国家的第一位。抑郁症已是医学研究的一个热点问题。然而与很多内外科疾病不同的是：医生对抑郁症状严重程度的量化参考仍依靠症状评估量表,没有可靠的临床检查或者化验诊断方法。近年来,功能核磁共振成像技术以其无创性、高空间分辨率给人类研究大脑提供了更多的便利,越来越多地用于医疗和科学研究。因此,本文利用功能磁共振影像对抑郁症患者和正常人构建功能脑网络,并对抑郁症患者和正常人功能脑网络特定脑区的网络属性特征进行分类对比研究,为抑郁症患者的计算机辅助诊断提供了技术支持。主要工作如下：利用抑郁症患者和正常人的功能磁共振影像数据构造了相应的功能脑网络。利用非参数置换检验对抑郁症患者和正常人90个脑区的网络属性分别进行对比分析,得到显著性差异比较大的脑区作为待研究脑区。利用复杂网络理论研究人类大脑,考察所构建功能脑网络的各类网络属性,选择四种典型的网络属性：度、中间中心度、聚合系数、最短路径长度作为分类特征。研究分类器算法在fMRI数据分类中的应用。着重介绍了朴素贝叶斯及支持向量机分类算法,并用SVM(支持向量机)分类算法对待研究脑区的四个典型网络属性特征进行了分类对比研究。通过对抑郁症患者和正常人所选择脑区间功能脑网络属性的分类比较,对所选的十个脑区抑郁组和对照组的分类准确率都在72%以上,而这其中左侧补充运动区和负责学习、记忆的右侧海马分类准确率最高,达到了80%以上。为了更进一步减小数据间不同质数据对分析结果造成的影响,对数据进行了标准化,并对标准化后的数据重新进行了分析,其比较结果并没有显著的提高,其取值仍然基本上在70%至80%之间,其中分类准确率最高的脑区是右侧豆状壳核,准确率为82.6087%。二者的分类准确率都远远高于随机分类准确率。本文的研究对临床疾病诊断具有一定的参考价值。