海马区域作为哺乳动物和人类大脑组成中的一部分，属于边缘系统并且在从短期记忆到长期记忆的信息合并和空间导航功能中扮演着重要的角色。近十几年来，对大脑海马区的研究取得了明显进展，但仍然不清楚参与构造和组织海马区的细胞过程。我们需要通过海马区域神经元的分布形态来研究它的空间结构。本文采用了模式识别的计算机技术，并且根据海马区的实际形状对海马区域神经元的空间组织和分布做基于流形的分析与研究，这个工作对于协助生物学家更准确的验证海马区域神经元的空间组织和分布是非常有意义和价值的。本文主要工作如下：　　1.通过辨别欧氏距离和测地距离在不同场景下的使用差异，构造实验数据，采用基于 G函数的最近邻分析方法对实验数据做分别使用欧氏距离和测地距离两种不同方法的聚类分析，证明在流形结构中，采用测地距离作为相似性度量才能更准确的验证聚类。　　2.采用基于 G函数的最近邻分析法来判断海马区域神经元的三维立体空间结构。在与完全随机点的对比中证明海马区域神经元不是随机分布的，而是聚类分布。并且再次验证使用测地距离作为相似性度量比欧氏距离更具有效性。　　3.采用Ripleys K函数对海马区神经元的空间点模式进行分析，再与完全随机模式对比以此来证明海马区域神经元是聚类存在的。