吸烟会引起癌症等许多疾病,吸烟问题是世界上最严重的公共卫生问题之一。目前,中国约有3亿吸烟者,已成为全球最大的烟草生产和消费国。大量研究证明吸烟会引起大脑认知、结构和功能的改变,这种改变产生的适应性作用是成瘾形成的关键。值得注意的是,我国吸烟低龄化情况日趋严重。吸烟者越早开始吸烟,对身体的危害越大,成为终身吸烟者的几率越高,且戒烟的成功率越低。因此,深入研究青少年吸烟成瘾者的神经机制对于预防以及青少年戒烟治疗非常重要。当前基于吸烟成瘾相关的影像学研究大多采用基于组比较的数据分析,然而这种方法仅限于组水平的推断,研究结果往往对临床诊断、治疗的价值非常有限。相比于这种单变量方法,包含机器学习的多元模式分析方法对大脑轻微空间模式上的差异具有高敏感性,使用这种方法进行个体预测,能更好地应用于临床诊断与治疗。本文主要以弥散张量磁共振(diffusion tensor magnetic resonance imaging,dMRI)数据为载体,以多元模式分析方法为手段在个体水平上进行吸烟成瘾与吸烟复吸的分类研究,发掘能够对其准确表征的客观生物标记物,进一步探究吸烟成瘾与复吸的脑机制。对于吸烟成瘾的影像学研究,过去常局限于组群间水平的研究,并不能用于个体识别和诊断。而多元模式分析方法作为一种有效工具,被广泛应用于影像学研究中。我们将此方法结合dMRI提取的多种大脑白质信息应用于青少年吸烟成瘾患者和健康对照组的分类研究中,挖掘与吸烟成瘾密切相关的白质神经标记物。研究最终获得了 88%的分类准确率,得到的最具判别力的特征有矢状束,外囊,上纵束,前放射冠和额枕下束。我们的研究结果不仅表明上述白质特征可用于预测吸烟状态,还表明了机器学习技术挖掘与吸烟有关的神经生物学信息的潜在能力。避免“复吸”是戒烟过程中的关键。戒烟可以降低肺癌的发病和死亡风险,有效的戒烟治疗可以提高戒烟成功率。然而,由于缺乏准确表征吸烟复吸相关的生物标记物,目前已有的戒烟治疗尚未取得显著效果。作为上一个的工作的扩展,本研究同样使用多元模式分析方法探究基于dMRI数据的吸烟复吸个体与戒断个体之间白质神经机制的差异。我们使用不同算法构建模型,并使用留一交叉验证评估模型的推广能力。结果显示获得的最高准确率为85%,对分类预测有贡献的白质特征主要有穹窿,小脑脚,胼胝体,左侧前放射冠,右侧后丘脑放射和右侧内囊后肢。本文的研究结果确定了吸烟复发风险的特定白质微结构生物标志物,有助于定义吸烟成瘾的神经生物学复发风险特征,为更好的戒烟治疗提供依据。