注意缺陷多动障碍(Attention Deficit Hyperactivity Disorder, ADHD)是一种在儿童时期常见的由精神失调而引起的疾病,主要症状是多动、注意力不集中,近几年相关研究发现一部分成年人也出现了同样的病症。目前对ADHD的诊断治疗已经引起我国甚至是世界的高度重视,但是由于ADHD的病因和发病机制至今尚不明确,为其诊断治疗带来了较大的难度,因此寻求客观的诊疗依据是研究的热点也是难点。在脑神经认知科学研究中,模式识别技术是一种重要的手段,与支持向量机、人工智能相结合用于处理图像分类以及功能磁共振的时间信号。本文是基于模式识别特征提取的fMRI刚图像ADHD分类研究。数据样本由ADHD-200大赛提供。首先将全脑的体素按照一定的大小划分成若干区域模块,同时进行掩膜处理。其次将剩余的区域模块平均并做相关计算,由相关系数作为功能连接特征进行分类。然后利用类内类间距离法对特征进行初步筛选。为了提高运算效率,本文采用局部线性嵌入法对特征矩阵做降维处理,得到低维空间中的映射矩阵。利用SVM(Support Vector Machine)支持向量机对特征值进行分类计算得出分类模型,并进一步采用5倍交叉验证测试分类的正确率用于判定分类效果。实验结果显示分类效果较好,最高分类准确率达到了85.71%,说明将大脑区域划分随机选取产生感兴趣区域模板的方法具有可行性,在今后的ADHD分类研究中需要做更深入的探讨。