阿尔茨海默病为人类在中老年时期最为常见的慢性疾病之一,约占老年期痴呆的50%-60%。目前全球罹患阿尔茨海默病的人口数约5000万人。随着全球人口平均寿命的提升,老龄化趋势逐步明显,根据估计,阿尔茨海默病患者人口数约以二十年一倍的速度增长。目前,临床上主要采用的治疗方案为通过药物治疗、非药物治疗的联合使用使疾病症状减轻、延缓病情发展。因此,阿尔茨海默病及其前驱症状的早期诊断,对于患者的治疗具有重要的临床意义。磁共振成像诊断为中枢神经系统疾病的常用诊断方式之一。根据工作序列不同,磁共振不仅可以提供大脑的形态学信息,也可以用于评定不同脑区的化学成分状态以及功能状态。因此,磁共振成像在阿尔茨海默病及其前驱症状的临床诊断工作中的作用逐渐得到重视。利用磁共振成像中常见的T1结构磁共振影像和静息态功能磁共振影像两种成像模态,我们对阿尔茨海默病对脑部结构的影响及相应的计算机辅助自动诊断方法进行了研究。具体地,1)利用上海市精神卫生中心采集的阿尔茨海默病、遗忘型轻度认知障碍以及正常认知三类被试的T1结构磁共振影像,我们对其各脑区皮层厚度和表面积进行测量,分析中国人群阿尔茨海默病及其前驱症状患者受疾病影响较大的脑区;2)利用公开数据集ADNI中的T1结构磁共振影像,我们对大脑中的病变区域进行定位,并以病变区域的图像信息、以及病变区域的空间分布为依据,构造了一种新型的基于卷积-图卷积神经网络的计算机辅助诊断模型,并在该数据集的阿尔茨海默病被试/正常认知被试、以及进行型轻度认知障碍被试/稳定型轻度认知障碍被试的诊断任务上实现了目前最高的精度;3)利用公开数据集ADNI中的静息态功能磁共振图像,我们提取到动态功能连接矩阵,并以此为基础,构造了一种新型的图卷积长短期记忆网络,对阿尔茨海默病被试/正常认知被试进行诊断,并在模型中通过特征分层次加权共享的策略引入多任务机制,挖掘疾病诊断任务与辅助任务之间的潜在关联,为疾病的诊断提供更多有效信息,该方法在ADNI数据库上,针对阿尔茨海默病被试/正常认知被试组实现了目前最高的诊断精度。本文研究为磁共振实现阿尔茨海默病的早期诊断提供了极具价值的参考,为未来计算机高速精确诊断算法的落地提供了算法基础。