目的：探讨静脉型勃起功能障碍大脑结构改变及其与临床症状的关系，进一步通过机器学习分类区分病例组与对照组.方法：收集45例静脉型勃起功能障碍患者和50例对照组.采用基于体素形态学方法、基于白质骨架的空间统计方法和相关性分析.机器学习分类进一步证实其区分病例组与对照组的实效性.结果：与对照组相比，病例组左侧中央后回和中央前回皮质体积减少，但右侧颞中回的皮质体积增加；广泛脑区的轴向扩散系数、横向扩散系数和平均扩散系数增加，而且，病例组一些脑区的改变与临床症状显著相关.机器学习区分病例组与对照组的准确度96.7％、灵敏度93.3％和特异度99.0％.结论：静脉型勃起功能障碍显示皮质体积和白质纤维结构改变，这些改变与临床症状显著相关.而且，机器学习证实一些脑区的扩散张量相关标量指标可作为病例组与对照组可靠的识别特征.