物质使用障碍是各个国家都存在的社会和卫生问题,闭眼静息状态下EEG微状态时间序列水平是反映个体大脑状况的重要指标,已有大量的研究证明了物质使用障碍患者与健康个体的微状态水平存在差异,这种差异也说明了物质使用障碍患者脑结构的变化与损伤。但是,目前已有的关于物质使用障碍患者微状态的研究都聚焦于冰毒和尼古丁,那么海洛因使用障碍患者与健康个体的微状态水平是否存在差异?iTBS是一种高频刺激模式,已有研究证实了rTMS能够造成个体微状态的改变,同时有研究表明rTMS能够降低海洛因使用障碍患者的渴求度并改善其认知功能和睡眠情况。那么iTBS治疗能否改善海洛因使用障碍患者的微状态水平?机器学习中的K-means聚类分析常用于解决相似群体分类识别的问题,能否借助K-means聚类算法来说明iTBS干预海洛因使用障碍患者微状态的有效性?本研究通过采集静息态EEG信号,探究海洛因戒断者与健康个体微状态的差异指标,在进行为期11天的iTBS治疗后,选取二者差异指标作为特征,利用K-means聚类算法对干预前后的海洛因戒断者和健康个体进行分类,以说明治疗的有效性。研究一探查了海洛因戒断者和健康个体在微状态水平上的差异,通过采集30名海洛因戒断者和30名健康个体的静息态EEG信号,对其进行微状态分析和独立样本t检验。实验结果表明:海洛因戒断者微状态类别A的出现次数和覆盖时间占比明显低于健康个体。研究二对32名海洛因戒断者进行连续11天的iTBS干预,在干预前后分别采集其静息态EEG信号,并对35名健康个体进行EEG信号采集,随后进行微状态分析,选取研究一中得出的差异指标（微状态类别A的出现次数和覆盖时间占比）作为聚类分析的特征,使用K-means聚类算法对干预前后的海洛因戒断者和健康个体进行三分类。实验结果表明:相比于干预前,干预后的成瘾组类簇中心更靠近健康组,而将干预后的海洛因组和健康个体归为一类时,F1-score为83%,即干预后的海洛因组与健康组相似性更高,证明了iTBS干预海洛因戒断者微状态的有效性,本研究使用静息态EEG微状态分析与机器学习中聚类算法相结合的方式,发现了海洛因戒断者与健康个体微状态的具体差异指标,并借助机器学习中的K-means聚类分析证明了iTBS干预海洛因戒断者微状态的有效性,为今后海洛因成瘾的诊断与干预效果的评估提供了新方法。