為了增強基于腦電圖信號的青少年抑郁癥計算機輔助診斷精度，本研究采集了 32 名女性青少年靜息狀態下閉眼 4 min 的腦電圖信號，其中抑郁癥患者 16 名（抑郁組）、健康受試者 16 名（對照組），年均（16.3 ± 1.3）歲。首先，根據信號之間的相位同步性，使用相位鎖定值（PLV）方法，分別在 θ 和 α 頻段下計算腦功能連接。然后基于圖論方法，再分別計算加權網絡的強度、平均特征路徑長度和平均聚類系數（P < 0.05）。接下來，利用多重閾值和網絡參數的關系，提取各個網絡參數的曲線下面積（AUC）作為新特征（P < 0.05）。最后，使用支持向量機（SVM），將兩組受試者的網絡參數和網絡參數的 AUC 作為特征進行分類。研究結果顯示，使用強度、平均特征路徑長度、平均聚類系數作為特征，在 θ 頻段，其分類精度分別由 69% 提高到 71%、66% 提高到 77%、50% 提高到 68%；在 α 頻段，其精度分別由 72% 提高到 79%、69% 提高到 82%、65% 提高到 75%；且整體來看，在 α 頻段使網絡參數的 AUC 作為特征，分類精度比網絡參數特征提升了 10% 左右，而在 θ 頻段，僅平均聚類系數 AUC 的分類精度提升了 18%。本研究結果證明，基于圖論量化腦功能網絡并對網絡參數特征優化，能夠對青少年抑郁癥的計算機輔助診斷提供一定的幫助和理論支撐。