在临床上提取创伤后应激障碍诊断（Post⁃Traumatic Stress Disorder，PTSD）患者的特异性神经影像特征同时构建其分类诊断模型具有重要意义.与传统的神经影像分类模型相比，提出了利用先验知识仅提取重要脑区信息以减少大量含噪信号，同时将传统功能连接替换成连边功能连接进行特征提取，并提出递归特征消除⁃多层感知机（Recursive Feature Elimination⁃Multilayer Perceptron，RFE⁃MLP）分类模型，以提高地震后PTSD与地震后非PTSD对照组的分类诊断准确性.首先，针对全脑中有大量含噪信号，利用先验知识提取PTSD相关脑区，着重于地震后PTSD相关脑区的特征构建；其次，利用连边功能连接替换传统的节点功能连接，以获得大脑功能连接的高阶特征信息；最后，提出了RFE⁃MLP分类诊断模型，自适应学习模型权重信息，提高地震后PTSD的诊断准确率.实验结果显示，在五折交叉验证下对地震后PTSD患者与地震后健康对照组的静息态功能磁共振数据（Resting⁃State Functional Magnetic Resonance Imaging，rs⁃fMRI）的分类准确性（Accuracy，ACC）、敏感度（Sensitivity，SEN）、特异性（Specificity，SPE）和ROC曲线下面积（Area under Curve，AUC）分别达到92.5%，93.5%，92.1%和94.8%，且发现左额中回（Frontal_Mid_L）与地震后PTSD严重程度相关性最高.研究结果证明，该方法能够从磁共振数据中提取