为了增强基于脑电图信号的青少年抑郁症计算机辅助诊断精度,本研究采集了32名女性青少年静息状态下闭眼4 min的脑电图信号,其中抑郁症患者16名(抑郁组)、健康受试者16名(对照组),年均(16.3i 1.3)岁.首先,根据信号之间的相位同步性,使用相位锁定值(PLV)方法,分别在0和a频段下计算脑功能连接.然后基于图论方法,再分别计算加权网络的强度、平均特征路径长度和平均聚类系数(P< 0.05).接下来,利用多重阈值和网络参数的关系,提取各个网络参数的曲线下面积(AUC)作为新特征(P< 0.05).最后,使用支持向量机(SVM),将两组受试者的网络参数和网络参数的AUC作为特征进行分类.研究结果显示,使用强度、平均特征路径长度、平均聚类系数作为特征,在0频段,其分类精度分别由69％提高到71％、66％提高到77％、50％提高到68％;在a频段,其精度分别由72％提高到79％、69％提高到82％、65％提高到75％;且整体来看,在a频段使网络参数的AUC作为特征,分类精度比网络参数特征提升了10％左右,而在0频段,仅平均聚类系数AUC的分类精度提升了18％.本研究结果证明,基于图论量化脑功能网络并对网络参数特征优化,能够对青少年抑郁症的计算机辅助诊断提供一定的帮助和理论支撑.