精神分裂症是一种破坏性的慢性脑功能障碍。该病的临床症状包括幻听、精神错乱、偏执、暴食、快感缺乏、情绪迟钝和冷漠。认知障碍影响他们的注意、记忆、情绪、动机、思维和语言过程、社会功能和情绪调节。其发病机制、治疗和预防,一直是精神病学研究的重点。根据已有研究结果表明,精神分裂症总会与脑连接异常联系在一起,所以,精神分裂症通常会被认为是一种由脑连接异常所导致的精神疾病。由于神经成像技术的进步,图论分析已经成为一种有力的方法来研究复杂的大脑连接。研究表明结构和功能脑网络均呈现出复杂网络的一些特征,如模块性、网络效率、中心度、小世界属性等。此外,通过聚类方法对大脑解剖学连通性进行分析,发现大脑皮层某些区域形成具有特定功能的模块,模块内连接紧密、模块间连接分离,在精神分裂症中,一些特定模块的结构和功能发生变化会对患者造成影响。随着医学影像技术的更新发展,结构磁共振由于其易于获取、高信噪比和相对不敏感伪影等明显优势而备受青睐。已有研究在群体水平上构建了精神分裂症结构脑网络,并聚焦于单个大脑区域研究精神分裂症脑网络异常,但是这些方法可能忽略了个体差异的影响,限制了在研究正常个体变异,特别是识别个体大脑结构变化或与形态学相关的异常方面的应用。因此,为了观察大脑细微变化,构建个人灰质网络尤为重要。因此,借助图论理论,探究精神分裂症人群个人灰质网络的网络拓扑和特定模块的变化情况,并将脑网络中提取的差异特征用于精神分裂症人群诊断中,将会对精神分裂症辅助诊断研究提供新的思路。但是精神分裂症个人灰质网络的变化还是未知的,对于基于体素和基于脑区的脑结构连接差异还需要进一步探索。文章将通过构建和分析精神分裂症的个人灰质网络,探讨精神分裂症患者结构网络的异常情况,为精神分裂症辅助诊断提供新的思考方向。主要研究内容及结果如下:（1）精神分裂症基于脑区的个人灰质网络研究使用AAL模板将大脑分为90个节点,通过核密度估计计算每个节点的灰质体积的概率密度函数,通过各分布函数的KL散度值构建个人灰质网络。将其应用于研究精神分裂症的结构脑网络,发现精神分裂症患者的个人灰质网络在全局、模块和节点的异常拓扑,表现出网络全局效率的下降、额顶区域内以及额顶网络和视觉网络的连接降低,且属性与症状严重程度相关。（2）精神分裂症基于体素的个人灰质网络研究通过将大脑分成6mm*6mm*6mm的立方块,计算立方块的皮尔逊相关构建个人灰质网络,使用GPU并行计算脑网络属性,发现精神分裂症的灰质脑网络在全局、模块和节点存在异常拓扑,表现在全局效率增大,模块连接增强,表明精神分裂症脑区域共变一致性增强,脑区间的相互影响增大。（3）精神分裂症基于体素的个人灰质网络改进将上文基于体素的构建方法标准化到AAL模板,统一节点,分析精神分裂症的个人灰质网络,缩短了运行时间,提高了运算效率,进一步证明精神分裂症患者个人灰质网络出现异常。（4）将个人灰质网络与机器学习相结合构建精神分裂症诊断模型为了将网络分析结果更好的服务于精神分裂症的辅助诊断,提取组间差异显著的网络属性,使用分类器训练分类模型,测试了个人灰质网络的诊断能力。结果显示个人灰质网络方法在疾病分类效果上有较高的准确率,达到85.6%,这为精神分裂症的早期诊断提供了一定的方法学基础。