目的:分析注意力缺陷多动障碍(Attention-deficit/hyperactivity disorder,ADHD)儿童神经反馈训练前后静息态脑电交叉频率相位幅度耦合脑网络特征,研究神经反馈训练可能的作用机制,探讨耦合网络相关指标作为诊断ADHD工具的可能性。方法:本研究共计招募60例受试者,其中ADHD组为30例(男24例,年龄8.93±2.22岁),正常对照组30例(男22例,年龄9.93±2.46岁)。ADHD组利用神经反馈方法实现干预训练。采集ADHD组神经反馈训练前、中、后3期以及对照组的闭眼静息态19导联脑电,预处理后进行可变带宽滤波器滤波。将数据分段并去除边际效应后,使用调制指数方法计算低频相位信号与高频幅度信号间的耦合强度,比较四组数据的交叉频率相位幅度耦合强度和耦合模式异同,并利用图论方法对不同频率对的耦合网络进行分析,研究耦合指标和图论指标间的相关性。最后使用二元Logistic分析、支持向量机、集成学习和人工神经网络四种机器学习方法对ADHD组神经反馈前和对照组的各项耦合网络指标进行分类。其中差异检验统计方法使用非参数检验,显著性水平设为0.05。结果:(1)delta节律与较高节律脑电信号间存在较强、较显著的耦合。(2)ADHD组神经反馈前、中、后3期的耦合强度的组内差异比健康儿童大。(3)ADHD儿童神经反馈前期与健康儿童在δ-γ_L、θ-γ_L、α-γ_L、β_H-γ_L、θ-γ_H、α-γ_H、β_L-γ_H、β_H-γ_H等多个频率对之间的平均耦合强度存在显著差异,尤其是低频与高gamma节律的耦合呈现极显著增强。(4)神经反馈训练对α-γ_L耦合网络有显著影响,神经反馈训练后期的耦合网络与健康儿童耦合网络特性基本无差异;对θ-γ_H、α-γ_H、β_L-γ_H、β_H-γ_H耦合网络有一定影响,神经反馈训练使得ADHD儿童的耦合网络特性趋于健康儿童,但仍存在显著差异;对δ-γ_L、θ-γ_L、β_H-γ_L耦合网络则基本无影响。(5)在大范围网络成本下,ADHD儿童的脑网络分离能力、整合能力、平均局部效率均增强,神经反馈训练显著改善了ADHD儿童α-γ_L耦合网络的这种异常。(6)神经反馈训练对网络大小、同配性、度分布等网络特性影响不大,进行神经反馈训练的ADHD儿童与健康儿童耦合网络基本呈随机网络形式,均无明显的小世界化。(7)神经反馈训练降低了ADHD儿童中央区、右颞区、枕区显著增强的局部效率、局部聚类系数和中介中心性。(8)多个频率对的耦合网络中,耦合强度与网络分离能力、整合能力、平均局部效率、节点重要性等呈正相关关系,与特征路径长度、网络大小等呈负相关关系。(9)人工神经网络、支持向量机、二元Logistic分析、集成学习的分类效果逐渐升高,集成学习在使用α-γ_H耦合网络的所有特征集分类时达到了精确分类(精确度、敏感度、准确率均达到100%),集成学习方法在θ-γ_H、α-γ_H、β_L-γ_H、β_H-γ_H耦合网络指标分类中平均准确率均达到96.1%。结论:相位幅度耦合强度与耦合网络指标有密切关系,ADHD儿童与健康儿童的耦合网络存在明显差异,尤其是低频与高gamma节律间的耦合。α-γ_L耦合网络的积极改变可能是神经反馈训练改善ADHD症状的作用机制。静息态脑电的θ-γ_H、α-γ_H、β_L-γ_H、β_H-γ_H(尤其是α-γ_H)耦合网络指标结合集成学习可为辅助诊断ADHD和评估ADHD治疗效果提供一种定量方法。