滥用毒品对社会公共安全带来的危害是巨大的,药物成瘾是全人类需要共同面对的棘手问题。自90年代以来,我国甲基苯丙胺的滥用人数不断增加,涉及各个年龄段,且甲基苯丙胺成瘾者的复吸比例增加最快。使用甲基苯丙胺会对中脑边缘的多巴胺系统产生影响,多巴胺系统的异常激活会导致成瘾者对药物及其相关线索的异常关注,产生注意偏向并诱发渴求状态。药物及其相关线索的注意偏向对药物成瘾的发生发展和维持都有关键性的影响,是衡量个体成瘾严重程度的重要客观指标。目前对药物成瘾严重程度的分类仍以主观判断为主,缺少客观指标,因此对成瘾者注意偏向的测量可对不同成瘾程度的个体提供判断的客观依据。眼动追踪技术由于经济高效以及精准度高的特点,已经广泛应用于各类精神疾病和成瘾领域中,且使用机器学习方法结合眼动数据已经成为研究神经科学最流行的方式之一。本研究通过虚拟现实结合眼动追踪技术,建立了一个包含药物相关线索、自然奖赏线索等共七种线索物品在内的虚拟便利店场景。能够收集不同程度甲基苯丙胺成瘾者在场景自由浏览任务中的眼动数据,并提取不同类型的眼动指标进行分析,再结合机器学习方法（支持向量机）对不同成瘾程度成瘾者的眼动特征进行分类。寻找对不同成瘾程度的个体分类判断的客观依据。本研究共收集了214名被试的眼动数据,通过被试的临床用药访谈数据以及DSM-V量表对所有成瘾者进行程度分类。共分为两组,其中轻中度成瘾者40名,重度成瘾者42名。对比轻中度甲基苯丙胺成瘾组和重度甲基苯丙胺成瘾组的眼动数据,结果表明重度甲基苯丙胺成瘾者在药物相关线索的眼动反应上更活跃。在中性线索上,重度成瘾组在注视比率以及注视物体个数上显著大于轻中度成瘾组。对于自然奖赏线索,分析结果表明在食物线索上,轻中度组整体眼动反应比重度组更活跃,表明不同程度成瘾者对不同线索之间的反应性可能存在差异。对不同程度成瘾组的瞳孔指标进行分析发现,在整个实验过程中重度组的瞳孔直径在各类别线索下都小于轻中度组,在每分钟下重度成瘾组的平均瞳孔直径也都小于轻中度组,但两组瞳孔熵值没有显著差异,这表明不同成瘾程度的被试的认知控制能力可能不同。本文还对场景浏览任务中整体注视效率进行了分析,对注视熵的分析结果提示,重度成瘾组的静止注视熵大于轻中度组且重度组的注视转移熵小于轻中度组（接近显著）,两组静止注视熵无显著差异,提示重度成瘾组在注视过程中注意力更难从感兴趣物体转移,注意转移效率更低。使用机器学习方法（支持向量机）结合被试的眼动数据进行分类,结果显示,基于眼动特征的SVM分类模型可以有效区分出不同甲基苯丙胺成瘾程度的人群。交叉验证的预测准确率为70.56%,精确率为70.39%,召回率为68.50%,AUC为0.77,综合评价指标F1=0.68,进行随机置换检验的p=0.002,表明分类模型良好的可靠性。基于以上结果,使用眼动特征能够作为区分成瘾程度的有效客观指标,并且基于眼动特征的SVM分类器在对不同成瘾程度人群能够有良好效果,这对成瘾的干预和治疗有重要意义。