人脑是自然界中最复杂的系统之一，不同的功能区域相互作用相互协调共同构成一个网络来发挥功能。人脑是一个复杂的网络，具有高效的“小世界”拓扑属性。研究表明特定脑疾病的发病过程中，脑区功能性连接紊乱，一些脑区之间有着很强的关联。本文针对脑疾病抑郁症，使用文本数据挖掘工具获取与该脑疾病关联强度活跃的关键脑区以及关键脑区之间的关联强度建立了抑郁症脑网络权重模型，最后完成脑网络模型图形表达，以期揭示一种脑疾病发病的关键脑区网络映射，与此同时也希望我们的工作将会对广大脑疾病医学研究工作者们有所帮助。本文主要内容为：1．首先从人脑的复杂系统开始，简单的描述一些脑网络研究的一些基本概念和意义，随后究其复杂程度引入复杂网络。这样，逐渐的把复杂网络的一些东西用来解释了新兴的脑网络这个概念，最后具体到脑网络中的边和节点的构成意义，以及脑网络中边和节点的权重关系。2．随后，本文从对当前医学研究用得较多的几个脑区词表做了梳理以及简单的整合，其中包括了脑区名以及它们的坐标，因为后面的脑网络将用到的脑区节点名词和坐标就处于此处。然后，本文把脑网络的这个概念关联到了具体的抑郁症脑疾病，根据PubMed医学文献库中近年医学研究很多文献中反应，抑郁症的发病的共性是一些关键脑区所组成的关联映射脑网络多出现不同程度的小世界特征的退化，也正是这种退化又反过来加速了脑疾病的病情。3．从这里开始，也是本文的创新点所在。在这一部分先简要的介绍了文本挖掘的概念及近年来的发展。然后，就是说了说此次脑网络统计计算引擎CSSE所使用到的一些文本挖掘技术，以及元数据的处理过程。花了大量时间对同一文献集合做了人工检索和CSSE检索，并对结果进行了对比，估算了偏差。又将统计模型的计算结果关联到抑郁症脑网络，分别进行了二维和三维的图形表达，这样一来这个“小世界”网络看起来更直观了。4．最后，总结一下，有很多地方值得改进。比如说，一个脑区关键词的记录计入依据是肯定还是否定还不能完全识别，以及图表和图片的解析问题。