精神分裂症(Schizophrenia,SCZ)是一类病因未知的慢性精神疾病,患者在临床上表现为感知觉、思维、行为以及认知等多方面的脑功能异常,因此对该疾病的潜在神经机制研究显得尤为重要。SCZ是一种具有多种生物学亚型的异质综合征,每种亚型对不同的治疗方法表现出优先反应,因此准确识别SCZ亚型对该疾病的精准诊疗具有重要意义。目前,SCZ在临床上被诊断为青春型、偏执型、单纯型等,其诊断方法主要依据医生问诊和临床量表的评估,主观性较强,因此发展客观可靠的生物标志物识别SCZ亚型是非常必要的。在本文中,我们从静息态脑电(Resting State Electroencephalogram,rsEEG)入手,通过动态功能连接的时间变异性分析捕捉大脑的神经活动,以揭示SCZ的生理病理机制,进一步探讨rsEEG的功能脑网络在SCZ亚型临床诊断中的潜在应用价值。本文的具体研究内容如下:1、精神分裂症的时间变异性研究。在本章节中,我们首先验证模糊熵方法在rsEEG的时间变异性分析中的可行性,在此基础之上,我们捕获了SCZ和健康对照组(Healthy Control,HC)中大脑神经活动的潜在差异,进一步探讨时间变异性与个体认知任务的潜在关系。具体来讲,我们首先采用滑动窗结合相干分析构建动态功能连接,再者利用模糊熵方法定量地刻画动态功能连接的时间变异性,最后评估时间变异性指标与任务P300的皮尔逊相关性。结果表明,SCZ患者中时间变异性值大的连接聚集在颞叶、左前额和左枕叶等脑区,HC组中变异性值大的连接聚集在额叶和额-颞等脑区,而在两组被试中时间变异性值小的连接均构成默认模式网络,通过定量统计分析发现SCZ患者在脑区全连接尺度下的时间变异性显著低于HC组,以大脑右侧区域最为明显;另外,SCZ患者的时间变异性指标与P300幅值存在显著的负相关关系,而在HC中呈现出显著的正相关关系。在这部分,我们从rsEEG时间变异性角度揭示了SCZ患者的异常神经活动,帮助理解SCZ的生理病理机制,加深我们对该疾病的认识。2、精神分裂症亚型的脑电识别研究。在本章节中,鉴于rsEEG的网络拓扑结构在诊断SCZ和HC中表现出优良特性,我们关注不同SCZ亚型间rsEEG功能脑网络的差异,首次提出利用网络空间模式(Spatial Pattern of the Network,SPN)对SCZ亚型进行多分类识别研究。具体来讲,我们首先利用相位锁时值构建不同节律下的功能脑网络,然后统计6类SCZ亚型之间网络拓扑结构的差异,在此基础上,采用监督学习方法提取rsEEG功能脑网络的SPN特征,结合投票算法实现对6类SCZ亚型的分类识别;此外,我们还比较其他rsEEG特征(比如相对功率谱和网络属性)的识别能力。结果表明,在theta节律下,3对SPN特征的分类准确率高达75.3%,显著优于其他传统特征。研究表明rsEEG的SPN特征是一个潜在的SCZ亚型临床诊断工具。综上,本论文发展了一种基于静息态脑电的时间变异性方法,旨在更精细化地刻画大脑活动,帮助考察脑区的灵活性并解读SCZ的功能异常。同时,基于静息态的脑电活动,我们挖掘了不同SCZ亚型间的功能脑网络拓扑结构差异,紧接着探讨了SPN特征对各类亚型的诊断能力。