精神分裂症（Schizophrenia,SCZ）,是一种复杂的精神疾病,全球发病率约1%,核心症状表现为情感、思维和行为的障碍,其致残致死率高,给患者自身、家庭及社会均造成了严重不良影响。然而,目前对精神分裂症的诊断和治疗主要依靠临床医师通过患者的体征和症状进行主观判断,缺乏生物标记物来进行客观评估,这严重阻碍了精神分裂症的预防和临床诊疗。因此,研究SCZ的发病机制和寻找客观的生物学标记对于诊断及治疗具有重大意义。随着医学影像学的发展,实现上述目标成为了可能。功能磁共振成像（Functional Magnetic Resonance Imaging,fMRI）,就是近二十年来医学影像中飞速发展并取得丰富的研究成果,且已经被广泛运用于SCZ的研究中。但目前对于SCZ的研究多围绕影像学或者临床行为学的单一角度进行,未能将两者进行良好结合,寻找两者之间的相关性已经成为了一个重要的研究方向。为了更好地探索影像学与临床症状之间的关联,本研究拟采用稀疏典型相关分析（Sparse Canonical Correlation Analysis,sCCA）,探索二者之间的典型相关模式,并试图寻找可靠的生物学标记。本研究主要分为三部分进行:首先,利用特征选择的方式,从原始特征中选择出一系列最有价值的特征来对原始的数据维度进行降低,使得后续学习算法性能获得提升。我们使用Relief（Relevant Features）来进行特征选择,通过指定欲选取的特征个数k,选择出相关统计分量最大的k个特征。随后,基于sCCA来获取大脑生物标记与临床诊断特征之间的典型相关模式。这里,关联生物标记的数据选择静态功能连接,该数据通过对功能磁共振成像后的成像数据进行脑网络建模后获得。临床诊断特征使用依照阳性和阴性综合征量表对精神病人问询后获得的数据。该量表符合心理测量原理,并且有着标准化的评定准则,能够通过确切的问询方案来引出和评估精神疾病的症状。最后,从如下几个方面对所获得的典型向量模式进行解读。（1）分析组成典型向量对的功能连接及临床诊断特征,并将功能连接同时映射到对应的脑区节点。（2）将相关的功能连接映射到功能脑网络系统,从大脑功能系统的角度来分析不同功能区域与临床诊断特征之间的相关关系。（3）将获得的典型向量对使用支持向量机（Support Vector Machine,SVM）对数据进行二元分类,并对结果进行分析。