阿尔茨海默症没有明显特异性的生物学标志。在临床上,阿兹海默症的检查手段主要是有一些神经心理学测验,以及通过磁共振手段的影像学检查。因此为了对病人进行准确的诊断,一般来说医院要采集很多项检查数据。为了管理这些数据,本文通过计算机技术来建立一个病人信息管理系统来管理这些繁杂的数据。随着机器学习算法的成熟和广泛应用,本文通过相关的算法来建立一个辅助诊断的分类模型,来帮助医生在一些数据复杂的情况下进行病情诊断,提供参考。本文首先结合调研其他研究人员实现的医学信息系统,对需要数据管理系统的不同人员进行了需求分析,根据需求分析进行系统设计和分析,完善系统的结构,并搭建开发系统的环境。然后进行阿兹海默症辅助诊断系统的编程实现工作,具体设计了数据库系统的各个表字段,完善了系统的各个功能模块,实现了用户信息管理、病人基础信息查询管理、磁共振图像查询、多条件筛查和病人数据上传的功能。并在系统开发阶段考虑了系统的安全性问题,进行了具体的解决。最后以ADNI数据库的原始数据作为训练集,设计了阿兹海默症分类算法和实现了辅助诊断模型,并且设计了三个作为对照的阿兹海默症分类器模型。先对下载到的数据进行整理,并且对原始数据进行了数据清洗,弥补了原始数据缺项以及重复等问题。通过朴素贝叶斯、多层感知机神经网络、使用高斯核函数的支持向量机,这三种方法建立了对照的分类器,并通过10折交叉验证法计算了对应的准确率。通过主成分分析对原始训练集进行了降维处理,再通过以CART决策树为基础分类器的Adaboosting算法,建立了PCA-Adaboosting阿兹海默症辅助诊断分类器。