•随着社会经济、科技进步，当前人类的健康模式和疾病谱发生了重要改变；•传染病已不再是危害我国人民健康的主要疾病；•慢性非传染性疾病，如心脑血管病(高血压、脑卒中、冠心病)、恶性肿瘤、糖尿病等，以及精神疾患、意外伤害已成为威胁人们生命与健康的常见病、多发病。由于这些疾病的发生与个人不健康的生活方式和行为习惯有密切关系，因此又称为“生活方式病”。•预防这些疾病的根本办法是提倡自我保健，改变不良行为习惯，建立科学、文明、健康的生活方式。•针对严重影响人们健康的不良行为与生活方式，提出了健康四大基石的概念，并指出，做到这四点，便可解决70%的健康行为问题，使平均寿命延长10年以上。•四大基石，十六个字：第一，合理膳食；第二，适量运动；第三，戒烟限酒；第四，心理平衡

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断