目的:重性精神疾病,如精神分裂症,双相情感障碍以及重性抑郁障碍有着很高的发病率,致残率和致死率,严重影响人类的身心健康。一直以来,对精神疾病的诊断和评估还主要依靠临床症状和体征。目前尚缺乏客观的神经生物学标记来应用于重性精神疾病的临床诊断、疗效评估、预后评估等临床常规中。静息态功能磁共振成像的功能连接被证明是一种客观且可靠的脑神经网络活动的指标。最新提出的动态功能连接是功能连接的一种动态形式,其反映的脑网络精神病理信息更为丰富。本研究的首要目的是利用动态功能连接来探索重性精神疾病跨诊断的共同脑网络异常。其次我们利用机器学习方法,进一步探索功能连接是否是一个有效的神经生物学标记物能准确诊断患有精神分裂症谱系疾病的患者,并验证以往使用慢性用药患者训练的分类模型能否推广到首发未用药的患者。研究方法:本研究收集了满足美国精神障碍诊断与统计手册第4版的精神分裂症谱系障碍、双相情感障碍、重性抑郁障碍患者以及正常对照者。采用3.0T磁共振扫描仪对研究对象进行静息态功能磁共振扫描,并收集其人口学资料及各种量表资料,包括汉密尔顿抑郁量表、汉密尔顿焦虑量表、简明精神症状量表、杨氏躁狂量表和威斯康辛卡片分类测试等量表。在动态功能连接分析部分,我们使用滑动窗及k-means聚类方法分析以上三种重性精神疾病的功能连接状态,并统计每个连接状态下三种疾病功能连接异常,最后统计三种疾病共同的异常连接。在个体水平诊断精神分裂症谱系患者部分,我们利用支持向量机等机器学习算法,并将慢性用药的精神分裂症谱系患者的功能连接数据作为训练集特征进行分类模型的训练。在独立的测试集中评估模型的整体分类表现,并同时检验模型在各个精神分裂症谱系亚组中的分类表现。结果:1、动态功能连接分析:动态功能连接可以分为3种功能连接状态,一种是具有较弱正、负连接强度的且出现频率较高状态（状态1）,另2种是具有较强正、负连接强度且出现频率较低的状态（状态2和状态3）。动态功能连接几乎只在状态1表现出4组显著差异（q<0.05,FDR校正）。对于状态1的功能连接的事后分析表明,精神分裂症、双相情感障碍以及重性抑郁障碍患者之间的跨诊断异常连接模式在大多数网络内部（视觉、躯体运动、显著性和额顶叶网络）表现出一致的连接降低q<0.05,FDR校正)。精神分裂症患者的范围和程度上都表现最为明显。此外,我们还发现动态功能连接的一些特性与患者的认知功能有显著的关联。2、功能连接在个体水平诊断精神分裂症谱系患者的分析:尽管使用慢性用药精神分裂症谱系患者训练的分类模型能识别独立测试集中患有精神分裂症谱系且慢性用药的患者,但该模型并不能推广到首发未用药的精神分裂症谱系患者。单变量组间对比分析表明药物的使用对功能连接有显著的影响,但是疾病的病程对功能连接却没有影响。此外,我们发现融合了所有中心数据的交叉验证、留一中心交叉验证以及单独使用首发未用药患者的交叉验证策略都取得了良好的结果。结论:1、动态功能连接研究结果表明,精神分裂症、双相情感障碍以及重性抑郁障碍患者之间存在比我们先前预期的更为普遍的共同的功能连接异常,并且这种连接异常是状态依赖性的,即重性精神疾病患者所有的功能连接异常几乎只在弱连接状态呈现。我们的结果为重性精神疾病的精神病理机制提供了新的见解。2、个体水平机器学习研究的结果提示使用慢性用药精神分裂症谱系患者训练的分类模型可能只是识别了用药的状态而已,并不是真正的找到了识别精神分裂症谱系患者的生物学标记物。我们应该重新考虑当前使用机器学习和神经影像探索精神分裂症谱系患者个体水平识别的研究工作,特别是对于目前的模型是否能将转化到临床应持慎重的态度。