阿尔茨海默病（Alzheimer’s disease，AD）是一种区别于正常衰老过程，以记忆损害、认知功能下降为主的，不可逆转的神经退行性疾病，是老年痴呆最常见的病因。我们对AD的病因及发病机制的了解仍十分有限，目前还没有有效的手段可以延缓或停止AD的疾病进展。脑成像技术，尤其是多模态磁共振成像技术的快速发展，使研究人员能够无创地、便捷地研究大脑的功能和结构，为进一步了解AD的发病机理和AD的早期诊断提供了新手段。近年来，模式识别与机器学习方法在神经影像领域的成功应用，为利用脑影像技术实现脑疾病的计算机辅助诊断提供了可能。因此，通过磁共振成像技术和机器学习方法的结合，研究AD稳定、可靠的早期诊断标记物十分重要。本论文利用多站点、大样本的结构和功能磁共振影像数据，分别从脑结构和功能的角度，系统地研究了 AD患者的大脑异常，并结合机器学习方法进行了AD的计算机辅助诊断，重点评估了结构和功能影像特征作为AD早期诊断的生物标记物的可靠性和泛化性。论文的主要工作和创新点归纳如下：

1. 基于深度学习的AD结构磁共振影像标记研究

为了推进结构磁共振影像在AD临床诊断中的应用，研究人员利用机器学习方法研究了结构影像作为AD诊断标记物的可能性。虽然深度学习方法通过大样本的自动优化学习可以取得很好的分类效果，但是常用的深度学习方法无法获得哪些影像特征在分类中发挥了重要作用以及这些影像特征和AD临床特征的关系。针对目前研究的局限性，本研究创新地结合注意力机制模块，提出了一种新的三维注意力网络，在实现AD的计算机辅助诊断的同时给出大脑中最具有区分能力的脑区位置，提高了模型的可解释性并提升了深度学习模型在AD临床辅助诊断中的应用价值。研究利用两个大样本、多站点的独立数据集，全面评估了模型的分类性能、泛化性以及与临床指标的关系。实验表明，本模型在跨数据集和数据集内部的交叉验证中都取得了较高的分类准确率，具有较好的泛化性能。另外，通过注意机制模块，研究发现了对分类重要的大脑区域，主要位于颞叶、海马、海马旁回、扣带回、丘脑、楔前叶、岛叶、杏仁核和梭状回，并且这些脑区的重要性和萎缩程度显著相关。最后，研究发现模型输出的决策值与被试的认知能力、病理学改变以及转换为AD的时间有显著的相关关系，进一步证明了AD中脑结构异常作为AD辅助诊断的影像标记物的潜在效用。

2. 脑功能网络指标的可重复性研究

静息态功能磁共振影像和图理论方法的结合有助于我们挖掘潜在的网络指标作为生物标记物。然而，利用脑网络指标发展疾病诊断的生物标记物的重要前提是网络指标在相同被试者中重复测量的可靠性。以往的研究大多是从静态脑网络的角度在小样本数据集上进行指标的可靠性分析。然而，静息状态下的自发脑活动是一个动态过程。所以，针对目前研究中存在的局限性，本文利用大样本、重复扫描的被试数据，从动态脑网络的角度，在不同时间尺度上，系统地评估了脑网络指标的可靠性，并进一步研究了扫描持续时间和网络密度对指标可靠性的影响。研究发现：1）功能连接强度、物理连接距离、度和全局效率比其他指标具有更好的可靠性。2）相比于皮下核团，大脑皮层的功能连接和脑区的功能网络具有更高的可靠性。3）扫描时间间隔对网络指标的可靠性有影响，然而网络密度对大多数网络指标的影响很小。4）网络指标的可靠性随扫描持续时间的增加而增加，扫描时间大于12分钟可以作为临床应用的首选。本研究为之后基于功能磁共振影像寻找疾病诊断的生物标记物的研究工作提供了基础。

3. AD脑功能网络异常及其辅助识别的可重复性和泛化性研究

基于静息态磁共振成像的研究表明AD的脑功能存在普遍的改变。由于缺乏大样本、多站点的数据集，与AD脑功能有关的异常模式还没有得到一个可重复的、清晰一致的结论。因此，本研究利用多中心、大样本的影像数据，使用荟萃分析的方法找到了AD中稳定的、可重复的功能异常模式，并进一步分析了这种功能异常与AD认知和生物学指标的关系。在此基础上，本文利用多变量分析方法和独立数据集，系统地评估了AD的功能异常模式作为早期诊断的影像指标的可靠性和泛化性。研究发现了AD中一致的脑功能异常主要位于默认网络、扣带回、基底神经节以及海马区域，并且功能异常的严重程度与患者的认知损伤和β淀粉样蛋白累积程度显著相关。基于异常的功能指标，本研究在多站点数据集上对个体诊断状态和临床评分的预测取得了很好的效果。在独立数据集上的可重复性分析进一步证明了研究结果的可重复性和泛化性。

4. 基于功能影像特征的AD亚型研究

之前的研究表明轻度认知障碍和AD的临床诊断显示出显著的表型异质性。这种变异性在一定程度上反映了潜在的遗传、环境和神经病理学差异。所以，描述这种异质性对于精确诊断、个性化预测非常重要。以往的研究大都是从神经解剖学和病理学的角度研究AD的异质性。本研究首次使用功能磁共振影像数据，在上一个工作的基础上，利用非负矩阵分解的方法在大样本、多中心的数据集上确定了AD的四种亚型，并进一步研究了AD患者亚型间的大脑结构差异和认知功能差异。在独立数据集上的可重复性分析进一步证明了研究结果的可重复性。