認知功能損害是精神分裂癥的三大原發癥狀之一，在疾病早期發現和高危人群風險預警等方面具有重要價值。為了研究精神分裂癥患者在認知負載狀態下的腦電圖特異性，本試驗收集 17 例精神分裂癥患者和 19 例健康受試者的腦電信號作為對照，基于小波變換提取各頻段信號，計算非線性動力學及腦功能網絡屬性等特征，并利用機器學習算法將兩類人群進行自動分類分析。試驗結果表明，兩組受試者在認知負載狀態下，Fp1 和 Fp2 導聯在 α、β、θ、γ 這 4 個頻帶的關聯維數和樣本熵的差異均具有統計學意義，提示大腦額葉功能損傷是精神分裂癥認知功能損害的重要原因。進一步基于機器學習的自動分類分析結果表明，將非線性動力學與腦功能網絡屬性相結合作為分類器的輸入特征，所得分類效果最優，其結果顯示準確率為 76.77%、敏感度為 72.09%、特異性為 80.36%。本研究結果表明，腦電信號的非線性動力學和腦功能網絡屬性等特征，或可作為精神分裂癥早期篩查和輔助診斷的潛在生物標記物。