阿尔茨海默病(Alzheimer’s disease,AD),是一种最常见的神经系统退行性疾病。随着人口老龄化进程的加剧,阿尔茨海默病患者逐年大量增加,造成了十分巨大的社会影响。然而由于阿尔茨海默病的病变原因比较复杂,而且科学研究和临床检查没有足够的特异性,使得对该病早期的诊断准确率偏低。阿尔茨海默病的临床检查发展过程比较缓慢,能够有效进行早期无创敏感的诊断方法并不多。随着计算机图像处理方法和磁共振成像技术的发展,使用磁共振成像技术进行早期无创的体外检测颅内结构发展为一种有效可靠的方法。在临床上,磁共振成像对阿尔茨海默病的诊断和治疗有着非常重要的意义。本文利用磁共振成像数据,对阿尔茨海默病患病人群、轻度认知障碍人群以及正常老年人的大脑皮层的形态学进行了比较深入的研究。本论文研究内容和成果主要包括以下几个方面:首先,本文通过研究分析相关特征选择算法,得出一种新的特征选择算法,通过排名融合规则,将m RMR和Relief相结合,充分利用考虑Filter类特征选择方法的较高的计算效率以及利用Wrapper类特征选择方法使用分类效果作为评价标准具有较好的分类精度,使用新的特征选择方法对经过图像预处理的正常老年人和轻度认知障碍人群的磁共振数据进行特征选择,使得新的特征选择算法选出的特征子集具有较高的分类准确率。其次,为了使分类效果更优以及降低对融合过程的权重选择的时间复杂度,提出使用粒子群算法进行权重寻优,可以更快得到更好的权重系数,使得新的特征选择算法系统具有较低的时间复杂度。选出的特征对分类器具有更好的效果,并对算法进行了横向比较,在常用相关特征选择算法中具有比较明显的优势。最后,使用新的特征选择算法结合支持向量机进行特征选择及特征分类研究,选出具有最佳分类效果的特征并对比脑区图像,验证选出的特征对应的脑区部位主要与海马旁回相关,与前人的相关研究有一定相似性,同时也发现新的不相同的脑区左侧枕上和右侧楔前叶,为将来的研究提供了一定参考。