在物质生活日渐丰富的现代社会,随着生活压力的增大和工作竞争的加剧,人们的精神问题日益突出。焦虑作为一种正常的情绪表现常常被忽视,如果长期处于紧张焦躁的焦虑状态,则会有发展为焦虑症的风险。即使是对焦虑症,人们的重视程度也远远低于其他精神疾病,目前对焦虑症的诊断率及治愈率均非常低,并且焦虑症与抑郁症常常存在共病问题,这也为其致病机制的研究增加了难度。本文以高特质焦虑(high trait anxiety,HTA)个体为研究对象,低特质焦虑(low trait anxiety,LTA)个体为对照,通过对心理学实验获得的脑电数据进行复杂网络分析,探究HTA个体的脑网络特性,以期为其诊断和治疗提供参考。本研究采用面孔搜索及空间线索实验范式,记录被试在静息状态及认知任务下的脑电数据,运用同步似然算法分别构建了高、低特质焦虑被试在静息状态及面孔搜索任务下的EEG脑网络和在空间线索任务下的ERP脑网络,通过复杂网络和统计分析发现,HTA个体在静息态及威胁性刺激下脑网络的整体及节点属性与LTA个体相比均存在显著差异:(1)静息状态下,与LTA个体相比,HTA个体?节律同步性降低,脑网络有较小的聚类系数,而全局效率和特征路径长度没有明显差异。脑网络内部集团化程度较低,网络间连接更加稀疏。(2)社会及生理威胁刺激下,HTA个体的?节律脑网络和ERP脑网络均有更大的聚类系数和全局效率,更小的特征路径长度。HTA个体在威胁性刺激下脑网络连接更加紧密,信息在其大脑功能网络中的传递加快,传输效率也相应增加。HTA者能更快地注意到威胁性刺激,并且需要调动更多的脑力资源来缓解焦虑。(3)HTA个体在威胁性刺激下,连接发生改变的脑区主要分布在大脑的前额区和颞区。本文提出了基于EEG和ERP脑网络分析的焦虑症研究方法,为焦虑症神经机制的研究提供了实验依据。结果表明,EEG和ERP的网络属性指标可以作为焦虑症的诊断依据,进而为焦虑症的预防及治疗提供参考。