1.一种基于权值分布的阈值化方法，其特征在于，所述方法具体包括如下步骤：S1、基于类标签将训练集样本分为两个样本组，即病人组和正常人组；

S2、针对两个样本组中所有样本，将各脑区时间序列间的Pearson相关系数作为其连接权重，构建脑网络邻接矩阵；

S3、基于两样本组的功能连接分布差异，针对每个脑区对构建一个阈值。

2.如权利要求1所述基于权值分布的阈值化方法，其特征在于，脑区对i和j的阈值构建方法具体如下:S31、假定脑区对i和j功能性连接权值在每个样本组中的分布服从高斯分布，即和 并利用两个组的样本分别估计出两个高斯分布的参数值；

S32、利用Kullback-Leibler散度估计两个高斯分布之间的距离S33、若距离 大于设定值δ，则计算两个高斯分布的交叉点τ，将交叉点τ作为脑区对i和j的阈值，否则移去脑区对i和j的连接边。

3.如权利要求2所述基于权值分布的阈值化方法，其特征在于，高斯分布的参数采用如下公式进行计算：其中， 表示第t个病人网络的第i和j个脑区的功能连接权重， 表示第t个正常人网络的第i和j个脑区的功能连接权重。

4.如权利要求2所述基于权值分布的阈值化方法，其特征在于， 的计算公式具体如下：

5.如权利要求2所述基于权值分布的阈值化方法，其特征在于，在步骤S2之前还包括：在步骤S2之前还包括：对两个样本组中的所有样本进行预处理，获取样本中各脑区的时间序列。