目的网络游戏障碍(Internet gaming disorder, IGD)仍然是一个普遍和广泛存在的心理健康问题。研究用影像标记物对IGD进行分类和表征的数据驱动方法,将优化诊断过程,揭示治疗机制,进而指导治疗。方法本研究共纳入59例IGD患者和69例健康对照组(healthy controls, HCs)。基于磁共振T1加权像和扩散张量成像(diffusion tensor imaging, DTI)数据提取了2084个放射组学特征,基于逐步回归的特征选择算法进行特征筛选,进而用筛选出的特征构建机器学习模型,对IGD进行分类诊断。此外,我们利用配对T检验比较了20名IGD受试者完成认知行为治疗(CBT)前后的特征值的改变。结果特征筛选过程中发现,IGD者的皮层形态改变主要集中在前额叶、前扣带回、岛叶、后扣带回、等区域,此外我们发现尾状核的体积以及外囊区的FA值在两组之间存在差异,在后续相关分析中,我们发现IGD组CIAS评分与额上回及前扣带回的皮层形态显著相关,搭建二分类诊断模型过程中我们发现基于粗树所建立的模型可以达到最高约83.6%的准确性(曲线下面积=0.84),此外,我们发现IGD受试者的额上回及前扣带回的皮层形态、尾状核的体积在CBT治疗前后存在明显差异。结论我们的研究结果表明,大脑形态学的变化可以用来进行IGD的分类诊断,额叶-纹状体环路的结构变化有助于揭示IGD潜在的神经生物学机制及CBT的治疗机制。