随着全球老年化问题的日益严重，阿兹海默症(Alzheimer’s Disease，简称AD)患者的增多成为了一个严重的社会问题。核磁共振成像是研究和诊断阿兹海默症的主要方法之一，随着近年来计算机图形学、数字图像处理、机器学习领域的快速发展，核磁共振成像的研究价值被进一步的发掘，这些成果对于阿兹海默症的诊断和预防起着非常显著的积极影响。相比于CPU运算速度在近些年来已经到达了极限状态，GPU的运算速度的提升非常显著。同时，随着人们对于计算机成像的真实感要求越来越高，图形编程技术也越来越灵活。一个方向上的多个MRI图像可以通过三维重建被还原为具有真实感的三维图像，这将有利于诊断者得到对大脑更为直观的观察。本文对作者编写的基于现代显卡的Raycasting三维重建软件进行了介绍，详细阐述了其中涉及到的算法和实现细节。另外，本文还介绍了Freesurfer的主要处理流程。Freesurfer是一个强大的脑部皮层重建软件，它能够通过分析核磁共振的图像序列而得到大脑皮层的较为精确的三维空间表示，从而得到各个不同区域的皮层厚度。由于阿兹海默症和轻度认知障碍的主要特征表现为脑部皮层的萎缩，最终可以反映到脑部皮层的几何特征的变化。因此，基于此病理学的分析，可以通过皮层厚度来辅助诊断患者是否已经患病。Freesurfer的整体处理流程非常复杂，本文介绍了其中较为复杂的活动变形算法和白质分割部分。使用机器学习算法来实现阿兹海默症的自动诊断是近年来的研究热点。对于特征选取问题，本文选择使用不同区域大脑皮层的厚度信息。对于分类方法上，本文从经典的机器学习问题的研究框架对此问题做了一系列的实验，包括特征子集选择，主成分分析降维，再到分类算法的精度分析。对于机器学习算法的选择上，本文首先采用了经典的机器学习算法，比如线性判别分析，支持向量机等，另外，本文尝试使用混合高斯模型来对每一类的概率分布进行建模，得到了比经典分类方法较好的分类正确率，另外还研究了混合高斯模型中高斯分布的分量个数和分类正确率之间的关系。