张 格，林 岚，康文杰，吴水才

（北京工业大学环境与生命学部生物医学工程系，智能化生理测量与临床转化北京市国际科研合作基地，北京 100124）

0 引言

阿尔茨海默病（Alzheimer's disease，AD）是一种神经退行性疾病，表现为记忆力逐渐丧失和认知功能障碍，是最常见的痴呆症。预计到21世纪中叶，全球将有1.07亿人罹患该病[1-2]。与正常受试者（normal control，NC）相比，AD患者的全脑体积萎缩，灰质、白质减少以及脑区间连接性紊乱等症状更为严重[3]。该病起病较为隐匿，早期症状不明显，约有50%的患者未被及时检出[4]。到目前为止，AD患者还没有治愈的可能。然而，若能在患病早期及时检出并积极干预，可以有效延缓该疾病的发展进程。由于老年人的认知退化进程和其临床表现存在差异[5]，单凭认知量表来评判AD病情并不准确。

MRI以其无创性、高空间分辨力和良好的组织对比度等优点，被广泛用于AD的相关研究中。其中，结构MRI（structural MRI，sMRI）由于能够实现高分辨力结构成像，被大多数研究者所采用，并迅速成为该研究领域最流行的影像模态之一。多项基于sMRI的研究发现，AD患者的海马体、扣带回、顶叶等区域的灰质体积减少，部分脑区出现明显萎缩[6-7]，基于受试者的sMRI数据可获得海马体、颞叶等脑区的皮层厚度、纹理等特征，将这类特征输入传统机器学习模型中可得到不错的分类性能[8-9]。随着神经网络技术的快速发展，基于sMRI数据构建的二维、三维卷积神经网络（convolutional neural networks，CNN）在AD研究领域已得到广泛应用，并取得了较好效果[10-13]。本课题组前期基于……