目的 根据磁共振成像（MRI）影像组学特征以及4种机器学习算法来构建不同的机器学习帕金森病抑郁（dPD）预测诊断模型，以早期预测诊断dPD。方法 选取2022年10月至2023年11月安徽中医药大学第一附属医院明确诊断为帕金森病（PD）的111例住院病人，根据量表及临床医生评估分为PD组（n=64）和dPD组（n=47），收集两组病人的临床资料、MRI数据构建影像组学特征并进行特征筛选，根据所筛选的特征使用4种不同的机器学习算法构建dPD风险预测模型。对dPD风险预测模型采用受试者操作特征曲线下面积（AUC）、准确度、灵敏度、特异度等指标评估模型效能。结果 共筛选出7个和dPD密切相关的MRI特征，4种机器算法中逻辑回归（LR）算法所构建的模型效能最佳，训练集AUC为0.83、灵敏度为0.86、准确度为0.71；测试集AUC为0.77、灵敏度为0.90、准确度为0.79。结论 基于MRI特征和LR算法所构建的dPD预测诊断模型可以较为准确地诊断dPD，为早期识别dPD提供影像学指导。