严重的戒断反应,使戒断者在度过身体脱毒期后,仍旧具有复吸的高可能性。目前的毒品检测手段也存在,无法判断戒断人群脑损伤状况的局限。因此,从神经科学的角度探究海洛因成瘾对大脑结构和功能的损伤,有助于实现客观准确的成瘾诊断,制定出有效的治疗方案。但是,以往的研究大多采用单一的脑功能网络或非线性特征方法,未进行全面地对比分析,实验内容不够充分。针对以上问题,本文采用高低风险决策范式,采集32例海洛因戒断人群（Heroin Abstinents,HAs）和24例健康对照者（Normal Controls,NCs）的脑电（Electroencephalogram,EEG）两组信号。使用多个脑功能网络和非线性特征研究方法,挖掘凸显HAs大脑损伤的有效指标,明确显著变化的脑区位置。此外,联合特征融合和分类算法,提出可用于识别和监测HAs的模型。主要研究工作包括以下三点:第一,基于两组人群全频EEG信号,分别计算六种脑功能网络,随后结合五种二值化方法,探索最佳识别HAs的脑功能网络和二值化方法组合。研究发现,在高风险损失条件下,相干性脑功能网络结合10%比例阈值的二值化方法,所得参与系数特征的识别能力较其他条件下对应特征更强,特征值显著低于NCs。该结果表明,HAs做出高风险决策但遭受损失时,易产生认知灵活性和情感克制丧失的表现。第二,提取EEG信号中δ、α1和α2三个节律,分别计算脑功能网络和非线性特征下最优特征子集,使用统计检验方法探索海洛因对大脑不同脑区的损伤情况。研究发现,低风险收益条件下,HAs右侧额叶区AF8导联α1节律下近似熵显著低于NCs,Fp2导联α2节律下C0复杂度显著高于NCs;低风险损失条件下,HAs左侧颞叶区TP7导联δ节律下近似熵显著高于NCs;高风险收益条件下,HAs在TP7导联δ节律下奇异值分解熵显著低于NCs,近似熵显著高于NCs;高风险损失条件下,HAs左侧中央区α1节律下参与系数显著低于NCs。该结果表明,脑功能网络方法对左侧中央区损伤,非线性特征方法对右侧额叶和左侧颞叶区损伤有较好探索能力,两种方法HAs脑损伤区域的研究方面具有互补优势。第三,对脑功能网络和非线性特征研究方法下的两个最优特征子集进行特征融合,应用五种分类算法（朴素贝叶斯、Logistic回归、支持向量机、k-近邻算法和随机森林）,寻找有效识别HAs的最佳模型。融合特征即由七个非线性特征和四个脑功能网络特征组成。研究发现,使用随机森林分类器时,可获得最高94.64%的HAs识别准确率。该结果表明,脑功能网络特征和非线性特征的融合,可大大提高目标人群的识别效果,有助于较为准确地区分HAs和NCs。