自闭症是儿童群体中越来越常见的精神疾病。自闭症严重困扰患儿的生活,阻碍患儿的健康成长,给其家庭和社会带来了沉重的负担。若得不到及时治疗,患儿将失去与人正常交流的能力。因此,做好自闭症的早预防早诊断早治疗显得尤为关键。越来越多的研究显示,精神疾病患者的大脑发育一般会存在一定的问题,如果能够量化患者大脑和正常人大脑的某些差异,那么就可以更好地进行疾病诊治。本文基于自闭症患者的核磁共振数据,利用复杂网络的相关理论知识对大脑网络进行分析研究。本文所做的工作可描述如下:(1)本文分别构建了自闭症患者组和正常对照组的结构网络和功能网络,并利用复杂网络和图论的相关理论知识分析了两种网络的组间差异,结果发现自闭症患者结构网络和功能网络的小世界属性均出现一定程度的退化,而当网络受到攻击时,正常人大脑结构网络表现出了略好的恢复能力。另外,本文发现自闭症患者的结构网络在丘脑等区域的介数异常增高,这也解释了自闭症患者感觉器官异常灵敏的现象。而根据网络同步性的分析发现,自闭症患者组功能网络相较于常人更接近于规则网络,因而存在发育迟缓的问题。另外正常人功能网络的层次化、模块化程度等也更高,因而有更好的信息处理能力。(2)本文对静息态大脑活动信号进行了分析,并主要分析了fALFF信号、ReHo信号和VMHC值。结果发现自闭症患者大脑的fALFF信号和ReHo信号都在中央旁小叶、补充运动区等区域出现了异常增高,说明自闭症患者在某些运动机能方面出现了异常的增强。而在额中回,自闭症患者的fALFF信号和ReHo信号均出现减弱,说明自闭症患者的短期记忆能力等出现了退化。另外,自闭症患者的中央旁小叶和补充运动区的VMHC值均出现异常,这和之前两种信号分析的结果相一致。本文还对不同年龄段的正常人被试大脑功能对称性进行了分析,结果发现27岁之后,正常人大脑功能对称性下降,大脑左右半球分工更明确。(3)本文利用格兰杰因果效应构建了大脑因效网络,并主要分析了两组被试的因效网络的聚类系数,结果发现两组被试并无明显差异。另外本文通过分析两组被试对应的结构网络与各自的平均功能网络中边存在的一致性的分析发现病人组的脑连接并没有出现明显的异常。在对三组不同年龄段的正常人被试的两种网络中边存在的一致性分析中发现,随着年龄的增长,一致性并没有发生显著变化,说明结构网络和功能网络从发育到衰老的过程中存在一定的同步性。此外,本文还分析了三组被试的结构网络和功能网络的聚类系数和局部效率之间的差异,结果表明结构网络的拓扑变化并不会完全同步到功能网络的拓扑上,两者之间存在一定的独立性。另外发现正常人大脑网络的性能在18~23岁之间达到了一生中一个比较高的水平。(4)本文将上述分析中发现的异常结果等作为特征,使用SVM、LR等多个机器学习分类算法,以及若干数据降维和特征选择方法提高泛化性能,最终经过模型集成,分类的准确率达到了86.24%,精确率和特异度都达到了80%以上,基本可以应用于自闭症的辅助诊断。