目的：近年来,模式识别方法逐渐在脑影像数据中得到越来越多的应用研究。由于脑影像数据普遍存在特征维数高、噪声量大、样本数量有限等特点,这就使模式识别方法面临维数灾难的问题。如何有效地进行数据降维成为其中的关键。而且,模式识别方法不仅要回答脑影像数据中是否包含分类信息,还要能够回答这些分类信息位于大脑的哪些区域,从而为正常人的脑认知功能及精神疾病的研究提供神经机制方面的解释。 方法：本文以脑静息态磁共振数据为研究对象,利用特征降维方法,结合模式识别方法分析了不同性别的脑结构和功能差异,对大脑的特异性进行了神经机制解码方面的研究。本文采用了F分数的降维方法,分别结合支持向量机(Support Vector Machine,SVM),K最近邻(k-NearestNeighbor,KNN),线性判别式分析(Linear Discriminant Analysis,LDA)几种模式识别方法,并比较结果,找到适合磁共振数据高维特征的分析方法。 结果：本文研究发现男性和女性的脑功能和结构上均存在显著性差异,得到较高的识别正确率。将其与传统的单变量分析方法得到的结果相比较,能够发现更多的差异区域。 结论：本文采用模式识别方法对静息态磁共振数据进行分析和研究,得到了男性和女性之间脑结构和功能成像上的差异,这对于男性和女性的脑认知机制的差异,相关疾病的性别差异研究都有重要的意义,有望为其找到性别特异性的神经机制。