精神分裂症是一种精神病性精神障碍,它能改变患者的知觉和思维过程。研究发现精神分裂症可以通过静息状态大脑活动的机能异常反映出来,而随着脑电/磁信号在大脑活动状态研究以及神经疾病辅助分析方面应用的日渐推广,以及脑磁相比脑电更为突出的优势,利用脑磁信号对精神分裂症静息状态的大脑活动进行分析,有助于更进一步地了解精神分裂症的本质。为了对正常人和精神分裂症患者进行有效区分,从而清楚地了解两者大脑活动的差异。论文基于静息状态的脑磁信号,分别从特征提取、分类和源定位角度来实现这一目的。首先,论文对脑磁信号的相关研究方法进行了介绍,重点介绍了特征提取、分类以及源定位相关的各种算法,分析并比较了算法各自的特征以及优劣势。其次,论文提出了一种基于改进希尔伯特-黄变换和遗传算法优化的支持向量机的特征提取及分类方法,提取希尔伯特加权频率作为特征,利用经遗传算法优化后的支持向量机进行分类,通过实验分析得到分类精确度为95%,而上述特征经过K近邻分类器获得的分类精确度则为78.33%,说明了该方法能够有效区分正常人和精神分裂症患者。最后,论文还介绍了一种基于标准低分辨率电磁断层成像的源定位方法,结合重叠球头模型和电流偶极源模型,对4~8Hz,8~13Hz,14~30Hz和30~50Hz等四个节律的脑磁信号,利用标准低分辨率电磁断层成像初步定位明显的源活动,再综合分析交叉相关系数和偏相干系数的结果来进一步定位,根据定位所得结果比较正常人和患者大脑皮层源时间序列的分布情况。实验结果表明,精神分裂症对大脑额叶(特别是4~13Hz频率段)和枕叶区域的影响比正常人大,该源定位方法适用于鉴别精神分裂症。