我国现已进入老龄化社会,痴呆和认知障碍发病率逐年提高,据贾建平教授团队的调查报告推算,到2027年老年人口将达到3亿,我国的阿尔茨海默症（AD）患者和轻度认知障碍（MCI）患者将会很快突破6000万。由于认知功能障碍属于大脑原发性退变性疾病,国内外对该病症缺乏有效的治疗手段,因此对此类病症需尽早筛查、诊断,这样医生才能及早对患者进行康复治疗,延缓发病时间和恶化速度。目前,医学上诊断患者的认知功能障碍严重程度往往靠纸质量表,根据量表得分来判断认知功能障碍的严重水平,但靠人工方式计算得分低效又易出错,数据储存和数据挖掘分析难以进行,医生无法直观的了解患者病情的发展趋势。因此,本文所研究的课题便是通过网络技术,结合传统康复医学,通过设计相应的评测功能和智能评测模型,实现患者数据的精确获取和大量存储,以及认知功能障碍智能评测模型的构建,为医生诊断提供有力的数据支撑,实现对于AD的早期诊断。本文首先抽取了MMSE量表中的复制相交五边形作为认知功能智能评测模型的评价准,确定使用卷积神经网络对评测对象绘制的图片进行智能识别,得到结论:三层卷积神经网络模型对于五边形图像的初步识别率可达到66.7%,经过数据增强方法扩大数据规模和选取适当的Dropout值对模型进行优化后,模型的识别率可达到89%,说明卷积神经模型对五边形图像的识别具有较高的准确率,具有可实施性。然后论文阐述了认知功能评测云平台系统和认知功能智能评测系统的具体功能、结构的设计思想和过程。本文基于B/S模式去开发认知功能评测云平台系统和智能评测系统,提高该系统的普适性和便捷性,然后对云平台系统和智能评测系统的功能和结构设计进行了具体描述,此外还对云平台系统的数据库进行了详细设计。接着,论文按照之前的功能和结构设计对认知功能评测云平台系统和认知功能智能评测系统进行了具体实现,并介绍了系统的完整运行流程和每个功能模块的具体使用方法。随后,对该系统进行了系统测试和服务器运行测试并说明了相关情况。最后,作者对全文内容做了工作总结,肯定了认知功能评测云平台系统和智能评测系统的研究价值,同时对未来的研究工作提出了新的展望。