抑郁症是威胁国人心理健康的一个重要隐患,一旦发病就会给个人和家庭带来巨大压力。但是现如今抑郁症诊断还没有一个客观的生物评价指标,且现有的医疗资源十分紧张,这些原因都导致抑郁症患者不能及时接受诊疗。因此借助机器学习算法来开展抑郁症的计算机辅助诊断就显得十分必要。这其中结合各类磁共振图像技术,对抑郁症进行探究已成为当下热点。随着交叉学科的发展,在脑图像研究中运用图论思想是神经系统科学研究的重要分支。之前的研究中,大多都单独利用静息态磁共振成像(Resting State Functional Magnetic Resonance Imaging,rs-fMRI)或弥散张量成像(Diffusion Tensor Imaging,DTI)构建个体或群组网络进行研究。但是一个模态的数据并不能完整表现出患者大脑的变化情况,存在实验结果呈现不够全面,特征选择太过于单一等问题。因此,在本研究中我们利用rs-fMRI、DTI两种模态的数据,通过构建个体网络进行联合分析。从功能和结构两个角度,为探索造成抑郁症患者情绪异常和认知功能损伤的潜在神经机制提供新的思路。随后利用两种模态网络来寻找有效的生物标记物,为抑郁症的计算机辅助诊断提供可靠依据。本文的研究工作主要包含以下三点:第一,研究了抑郁症患者在全脑功能网络和结构网络上变化的特点。采用多模态联合分析的方法,从图论的角度利用rs-fMRI和DTI数据分别构建个体网络,通过网络属性的差异分析揭示抑郁症对大脑功能和结构的影响。研究结果表明,抑郁症患者大脑的“小世界”属性出现缺失,在网络连接和节点效率上也出现了异常变化。同时抑郁症患者异常的功能连接和特定大脑区域的形态学异常都与抑郁症的临床评分相关。在抑郁的早期阶段,功能网络和结构网络的鲁棒性研究表明,结构网络比功能网络更容易受到攻击。第二,探究手术和化疗之后伴有抑郁症倾向的直肠癌患者脑网络的变化情况。在研究中我们利用直肠癌患者的rs-fMRI和DTI图像构建大脑网络,应用图论进行分析。实验结果显示与正常对照相比,伴有抑郁症倾向的直肠癌患者在功能网络和结构网络中表现出异常的“小世界”属性和全脑拓扑组织。同时在分析节点效率时发现直肠癌患者的部分节点效率出现升高的现象。以上这些结果说明,直肠癌患者的脑网络出现了一种用以维持正常生理活动的代偿机制。第三,提出了一种利用多模态脑网络属性对抑郁症进行辅助诊断的研究框架。实验中利用rs-fMRI和DTI脑图像构建个体功能网络与结构网络,从网络中提取聚类系数和网络连接强度作为特征,利用最大相关最小冗余(minimum redundancy and maximum relevance,mRMR)和F-score算法进行特征选择,用支持向量机(support vector machine,SVM)进行分类器训练,采用十折交叉验证来评估特征的有效性。实验结果显示抑郁症分类准确率达到85.14%。这一结果表明,多模态脑网络属性可作为一种有效的生物标记物较为准确地识别出抑郁症。