目前,海洛因成瘾对我国公共健康造成了严重的影响,给家庭和社会的安定带来了极大的威胁。海洛因等药物的长期滥用会对成瘾者的大脑功能造成损伤,使他们在认知和行为方面与健康人产生明显的差异。众所周知,大脑作为认知功能的载体,各脑区既有自己特定的功能,又相互联系共同协调构成一个极其复杂的网络。本文从脑功能网络方面入手,分析了成瘾被试和健康被试大脑活动的差异,旨在从客观角度为海洛因成瘾的诊断提辅助供依据。本文以幅度平方相干和相位滞后指数为连接指标,构建了成瘾被试和健康被试的无权脑网络和加权脑网络。使用两种脑功能网络深入分析了两组被试在连通性和网络拓扑属性上的差异,找出成瘾被试的异常脑区。最后,通过改进的P-reliefF算法选取脑网络属性特征,并使用SVM分类器对两组被试进行分类。本文得到的主要结论如下:(1)使用了22名成瘾被试和22名健康被试的静息态脑电数据,计算了63个电极之间的相干性。通过网络稀疏度选取阈值,构建了两组被试的无权脑功能网络,随后对得到的脑网络进行网络属性分析。分析结果表明,在β1频段内,两组被试的全局相干性和脑网络属性值均表现出组间的显著性差异。与健康组相比,成瘾组的平均聚类系数、平均节点度、小世界网络属性值减小,特征路径长度和平均介数增大。这些网络拓扑特性的差异表明成瘾组脑功能的整体性受到破坏。通过对连通性和局部属性的分析,发现成瘾组和健康组在额叶、顶叶和枕叶表现出差异,其中额叶的差异最为显著。(2)使用溯源后的56个Regions of Interest(ROI)作为网络节点,以相位滞后指数为连接指标,通过选取一定的阈值,构建成瘾组和健康组的加权脑功能网络并进行网络属性分析。在β1频段内,全局相位滞后指数和网络属性分析得到的结果与无权网络基本一致。连通性和局部属性的分析结果表明,两组被试在额叶、顶叶、枕叶和颞叶出现差异,其中额叶为主要差异脑区。在本文构建的两种脑网络中,成瘾组在额叶都有明显功能异常。(3)为了更好地对比两种脑功能网络中表现出的组间差异,本文通过改进P-reliefF算法,动态选取k值并使用皮尔逊相关系数去除冗余特征实现特征选择,而后运用SVM分类器对成瘾组和健康组进行分类。与原始reliefF算法相比,改进的P-reliefF算法提高了平均5.25%的分类准确率,最高分类准确率可达92.75%。通过对比发现,加权脑网络中的聚类系数和混合特征的分类准确率高于无权脑网络。从分类结果来看,两种脑网络最高分类准确率都达到87%以上,这也从客观上证明了脑功能网络是一种可靠的分析海洛因成瘾患者大脑功能改变的方法。