تشخیص به موقع و صحیح اختلال دوقطبی (BD) و متعاقب آن انجام فرایندهای درمانی، برای جلوگیری از پیشرفت و وخیم شدن این بیماری ضروریست. اگرچه استفاده از داده های مبتنی بر تصویربرداری تشدید مغناطیسی عملکردی در حال استراحت (rs-fMRI) و ویژگی های استخراج شده از آن ها ممکن است نقش موثری در تشخیص اختلال دوقطبی داشته باشد، اما تاکنون تحقیقات اندکی بر روی تشخیص افراد مبتلا به BD به کمک rs-fMRI صورت گرفته است و نتایج مربوطه نیز از صحت بالایی برخوردار نبوده اند. در این تحقیق روشی جدید مبتنی بر ارتباطات عملکردی برای تشخیص BD I ارایه شده است. برای این منظور با استفاده از ارتباطات عملکردی بر پایه دانه، 4 ناحیه ی PCC، dlPFC، amygdala و sgACC را به ترتیب به عنوان نماینده های شبکه ی DMN، FPN و SN در نظر گرفتیم تا ارتباطات عملکردی میان آن ها و سایر نواحی مغز را محاسبه کنیم. بعد از محاسبه ی ارتباطات عملکردی برای هر فرد، با استفاده از آستانه گذاری مقدار t ویژگی های مفیدتر را انتخاب کردیم و سپس با یک ماشین بردار پشتیبان (SVM) و روش اعتبارسنجی متقابل LOOCV و تنها با استفاده از 4 ویژگی ترکیبی، افراد سالم را از افراد دارای اختلال BD I طبقه بندی کردیم. نتایج روش پیشنهادی روی داده های rs-fMRI مربوط به 49 فرد سالم و 34 فرد مبتلا به BD I مورد استفاده قرار گرفت و صحت طبقه بندی بیش از 90% حاصل شد. همچنین در بررسی ارتباطات عملکردی بین 4 ناحیه ی مذکور و سایر نواحی مغز در افراد مبتلا به BD I نسبت به افراد سالم کاهش معنی دار ارتباطات مشاهده شد. ناحیه هایی که در افراد دارای اختلال بیشترین افت ارتباطات عملکردی را با 4 ناحیه ی مذکور داشتند عبارت اند از: Ag و OFC (با دانه ی PCC)، ACC (با دانه های dlPFC و amygdala) و ITG (با دانه ی sgACC) که نتایج حاصله سازگار با نتایج تحقیقات پیشین در این حوزه می باشند.