1、自閉癥（Autism spectrum disorder，ASD）是一種神經(jīng)發(fā)育障礙疾病，發(fā)病率高達1％，給社會及患者的家庭帶來了沉重負擔。目前主要以行為量表對ASD進行診斷，具有一定的主觀性。靜息態(tài)功能連接(Resting-state functional connectivity，RSFC)反映了大腦在靜息態(tài)下不同腦區(qū)神經(jīng)活動模式之間的時間相關性，基于RSFC探索能夠識別ASD的生物標記對于ASD的客觀輔助診斷和理解其神經(jīng)機制具有重

2、要意義。
　　本文基于RSFC從靜態(tài)和動態(tài)兩方面進行了ASD預測研究:一是認為RSFC在整個掃描過程中是靜止的，利用Lasso和elastic net兩種方法對RSFC的特征選擇進行了深入研究;二是假設RSFC是隨時間動態(tài)變化的，基于動態(tài)功能連接方法對ASD預測進行了初步探索，具體工作內(nèi)容如下:
　　(1)針對大部分方法不能有效地選出具有識別力的RSFC，本文提出利用Lasso選擇有識別力的RSFC。首先計算Pearson相

3、關捕捉到大腦的正負相關RSFC，然后進行閾值化保留同步化程度較高的正相關RSFC，進一步利用嵌入式特征選擇方法Lasso去除冗余的RSFC只保留最有識別力的特征子集，最后基于SVM分類得到81.52％的分類準確率，同時找出了19個具有顯著識別力的RSFC。
　　(2)針對Lasso方法無法處理具有組效應的變量選擇問題，進一步提出基于elastic net的多級特征選擇方法進行ASD預測研究。本文依次利用閾值化、t檢驗和elasti

4、c net逐步篩選出差異越來越顯著的RSFC特征子集。t檢驗能初步篩選出與臨床癥狀顯著相關的RSFC;Elastic net能發(fā)揮處理組效應變量選擇的優(yōu)勢對RSFC作進一步篩選。最終ASD預測的準確率達到84.78％，進一步提升了預測性能，并確定了22個有顯著差異的RSFC。
　　(3)針對大部分研究主要基于靜態(tài)功能連接方法進行ASD預測，而動態(tài)功能連接比靜態(tài)蘊含的信息更為豐富，本文基于動態(tài)功能連接分別提取了高階功能連接特征和動態(tài)

5、網(wǎng)絡拓撲特征（節(jié)點連接度）進行ASD預測。高階功能連接能捕獲各腦區(qū)低階功能連接之間的時間相關信息，最終得到81.52％的預測準確率;動態(tài)網(wǎng)絡拓撲方法能提取拓撲結構隨時間的動態(tài)變化信息，預測性能還不夠理想。
　　在提出的兩種靜態(tài)功能連接方法中，elastic net方法比Lasso獲得了更好的預測性能，有助于尋找到與ASD有關的生物標記以輔助醫(yī)生進行臨床診斷。高階功能連接方法也獲得了不錯的預測性能，雖不及靜態(tài)方法，但給我們提供了另一