神经认知注意功能涉及多个脑区的协作,协作中的缺陷会导致注意缺陷多动障碍（Attention-deficit/hyperactivity disorder,ADHD）,这是儿童最常见的神经精神疾病之一。目前ADHD的诊断主要基于主观评价,容易受临床医生经验的影响,缺乏客观指标的支持。由于注意功能与其他认知功能之间具有复杂的联系,本研究使用脑电图技术,设计注意网络测试实验,采集大量事件相关电位数据,提出基于时频分解分析和脑功能连接分析的事件相关脑电信号分析方法。该方法能够实现注意功能活动与脑电信号的有效关联分析,实验结果表明各个注意成分有着对应的脑电活动,其中θ频段活动增强反映了执行冲突过程,而α抑制效应能区分静息态和注意活动。并且脑功能连接结果显示,α波的连接、δ波和θ波在远距离（额叶到顶叶或枕叶）的连接很有可能是区分不同认知状态的标志。本文在前期脑电活动探索研究中提出的脑电信号分析方法,可以有效观察脑电节律活动与注意认知功能的联系,为后续研究提供可靠的处理流程。在这项研究中,我们还提出了一个新的CNN-LSTM模型,该模型将卷积神经网络和长短期记忆网络进行串联,用于识别包含144名儿童的公开脑电信号数据集。结果表明,我们的CNN-LSTM模型在5折交叉验证方法中可以达到高达98.23%的准确率,明显优于当前常用的其他卷积神经网络模型。本研究还使用卷积可视化和显着图方法观察所提出的模型自动提取的特征,这可以直观地解释模型如何区分不同的组群。该模型提取的特征主要位于额叶和脑中央区域,三个不同组之间的时间段映射存在显著差异。健康对照组的额叶P300和偶然负变异波（CNV）降幅最大,ADD组降幅最小。在脑中央区Cz电极处,只有健康对照组有明显的CNV波负振荡。本研究结果表明,CNN-LSTM模型可以有效识别注意缺陷多动障碍儿童及其亚型。该模型自动提取的可视化特征可以更好地解释不同群体间事件相关电位活动的差异,比以往的研究更有说服力。它可以用作更可靠的神经生物标志物,以帮助临床进行更准确的诊断。