傳統基于腦電（EEG）的抑郁癥研究將電極視為孤立節點，忽略了它們之間的關聯性，難以發掘抑郁癥患者異常大腦拓撲改變。為此，本文提出一種基于腦功能網絡（BFN）的抑郁癥識別框架，為避免容積導體效應，相位延遲指數用于構建BFN；以加權與二值化BFN信息互補為基礎，選取“小世界”特性密切相關及最小生成樹特定腦區BFN指標，采用遞進式指標分析策略尋找抑郁癥識別潛在標識物。本文以48名受試者靜息態EEG數據用于驗證方案，結果表明組間同步性在左顳、右頂枕、右額腦區明顯改變；加權BFN最短路徑長度和聚類系數，二值化BFN左顳和右額的葉子分數及右頂枕的直徑與患者健康問卷9項（PHQ-9）之間具有相關性，且獲得最高94.11%的識別率。此外，研究發現相對于健康對照者，抑郁癥患者的信息處理能力明顯下降。通過上述結論，期望本研究結果可為BFN構建與分析提供新的思路，為抑郁癥識別潛在標識物的發掘提供新的方法。