朱岩 朱耿 李斌 杨越琪 郑小涵 李晓欧*

（1.上海理工大学医疗器械与食品学院，上海 200093；2.上海健康医学院医疗器械学院，上海 201318；3.上海市杨浦区精神卫生中心，上海 200093）

精神分裂症（schizophrenia，SCZ）作为高发型精神疾病，个体间的症状差异以及同一患者不同阶段的症状差异较大，治愈难度较高。因此，针对重度精神障碍的SCZ的研究应受到高度重视。目前，SCZ发病机制一直未明，临床上仍是由经验丰富的医生通过言语沟通以及量表评估来诊断患者的精神分裂程度，缺少客观的生物学指标。寻找标志性的生物学指标成为SCZ研究急需突破的难点。

脑电信号（electroencephalogram，EEG）因具有无创伤、低成本、操作简单和时间分辨率高等优势，成为分析人类脑部活动的重要手段。脑部作为一个庞大的复杂网络，各脑区之间的联系构建了整个脑部的结构和功能。因此，针对被研究者普遍认为是脑部结构损坏或者功能紊乱而导致的SCZ患者，分析各脑区间的联系十分必要［1］。近年来，一些研究者使用复杂网络算法来分析SCZ患者脑电信号，发现患者脑区连通性出现问题［2］，并且验证了临床上认知功能障碍、记忆紊乱以及视觉、听觉出现问题等现象［3］。脑网络成为研究和认识大脑活动的重要手段。文章从脑网络的模型构建、结构分析以及结合机器学习综合应用的技术层面进行介绍，分析当前研究所得的关于SCZ患者的脑部功能连接情况，针对基于SCZ患者的脑功能网络分析的未来方向进行展望。

1 脑网络分析

1.1 网络构建

1.1.1 结点的定义