负性情绪偏向是抑郁症的核心特征之一。然而,既往抑郁症负性情绪处理的研究大部分都是脑区层面研究,没有进一步拓展到复杂网络层面,情绪相关网络的功能损害和调节异常已经被研究证实。情绪相关功能网络在抑郁症情绪处理过程中的异常需要进一步的探讨,尤其是基于脑磁图高时间分辨率优势的动态功能网络时空模式研究。本文主要工作是利用脑磁图高时空分辨率和多波段信号的特点,结合悲伤情绪面孔刺激实验来探讨抑郁状态患者识别悲伤表情个体化动态功能网络时空模式变化及其对疾病分类识别和临床诊断辅助研究。主要内容如下:1.选择早期负性情绪处理时gamma波为研究对象,利用动态连接回归算法划分出个体化动态时空模式,采用基于统计网络算法找到显著差异网络,发现与情绪网络和视觉网络相关异常连接显著上升,与额顶网络相关异常连接显著下降。2.在个体化时空模式基础上,扩大样本量,增加alpha和beta为对照波段,通过图论指标探讨异常功能网络个体化时空模式对抑郁症的分类识别作用。发现早期情绪处理过程中,gamma波个体化时空分类模型能够最好识别抑郁症患者。3.在个体化功能时空模式研究的基础上,考虑大脑结构信息对功能连接异常的影响,加入结构信息,将结构信息与动态功能信息进行整合。发现抑郁症患者组结构对功能的约束出现异常上升,利用这种异常进行抑郁症识别,得到了较好的分类识别结果与高度稳定的显著性分类贡献特征。4.在单相抑郁研究基础上,加入由单相转为双相抑郁患者(转相组)。计算各组间动态能量分布差异,发现情绪处理早期能量分布存在较大异常,然后对单相抑郁和转相组进行分类识别,得到较好的分类效果。并进一步加入已经躁狂发作的双相抑郁(双相组)进行对比,确认了转相组的特殊性。5进一步探究不同波段下各组别的功能活动时空模式。分别研究了六个波段下转相组与单相组、双相组的时空模式异同,发现在低频波段,单相组和转相组功能时空模式具有显著相似性,与临床症状显著相关,且存在网络活动被过度抑制;而在gamma波段,转相组和双相组功能时空模式具有显著相似性,情绪处理早期网络活动存在过度激活,且与疾病特征呈显著相关。