近几年,我国老年人口比重的提高导致老年疾病的发病率逐渐上升,常见的阿尔茨海默病(俗称老年痴呆,简称AD)的不可逆性给患者及其亲属带来巨大的压力。介于正常老龄化及老年痴呆之间的轻度认知障碍的研究对AD的早期防治有重要意义。然而轻度认知障碍的临床症状不明显、诊断方法局限等因素给疾病临床诊断带来不便,因此轻度认知障碍诊断的研究成为重点。磁共振技术的出现使得脑组织及功能的研究迈进一个新的阶段,已有研究显示,轻度认知障碍患者的灰质会有一定程度的减少,这可以作为疾病诊断的依据。另外,为方便知识共享与复用,需要在轻度认知障碍领域构建一个标准化结构化的知识体系。因此,本文构建针对轻度认知障碍诊断方面的知识模型,主要工作有：(1)进行大脑曲面形态学分析。从原始磁共振图像获取大脑皮层厚度值,并对应到AAL脑分区模板上,分析对比轻度认知障碍患者和正常老龄化两类人群的皮层厚度差异,并选取两类人群皮层厚度差异显著的脑分区作为诊断特征,为后续的知识建模打下基础。(2)设计并实现领域知识建模。一方面,本体论在医学领域应用的有效性得以证实,然而在轻度认知障碍诊断方面没有可用的本体,所以本文使用本体论对轻度认知障碍疾病以及磁共振图像的相关知识进行建模管理；另一方面,我们使用经典机器学习算法辅助构建规则库,由于C4.5算法在该领域的应用中取得较好的性能,并且该算法具有训练速度快、结果简单易于分析等优势,所以选用C4.5算法训练并形式化用于轻度认知障碍诊断的本体推理规则。(3)实现疾病推理。基于领域知识模型在eclipse开发环境下使用Jena API实现推理引擎,连接本体和规则库,完成自动推理疾病的任务,同时更新本体。(4)模型评估。通过十折交叉验证,我们计算不同方法的多种统计学指标,例如Precision, Recall,F-score, Kappastatistic以及算法训练模型的时间等相关指标,用以评估不同算法在该领域的应用,结果显示,C4.5算法具有较高的Recall值,F-Score值以及Kappa statistic值,其Precision值与BN的该值相同,其模型的训练时间这个衡量指标上仅差于BN。为了使评估更具说服力,文中还采用配对样本T检验对比C4.5算法及其他三种经典机器学习算法在该领域的准确率,综合各项指标以及算法本身的特性可以看出,在这几种算法中,C4.5算法更适合本文的应用,并且整个知识模型具有其可行性,可以应用于临床辅助诊断轻度认知障碍。