艾滋病(获得性免疫缺陷综合征,简称:AIDS),由人体免疫缺陷病毒HIV病毒入侵人体,破坏人体免疫系统,最终导致死亡的恶性传染病,极大的威胁着世界人民的身体健康。对于HIV感染高危人群,应积极检测;对于已经确认感染人群,应早诊早治,有效阻断疾病进展。在HIV感染早期(1周),病毒感染巨噬细胞通过血脑屏障进入神经中枢,引起神经细胞慢性长期损伤,即便进行抗逆转录病毒治疗,仍有至少50%HIV感染者发生感觉、运动功能障碍以及神经认知损伤,即HIV相关神经认知功能障碍综合征(HIV-associated neurocognitive disorders,HAND)。HAND的演变规律是从临床前期无症状性的神经认知缺损(asymptomatic neurocognitive impairment,ANI)、到轻度神经认知障碍(mild neurocognitive disorder,MND),再到HIV相关性痴呆(HIV-associated dementia,HAD)三个阶段,因此如果能有效识别ANI期,对于HAND的早期诊断和治疗有重要的意义。本文提出通过搭建基于3D卷积神经网络的多模态诊断模型,完成辅助诊断ANI的任务。本文选用来自首都医科大学附属北京佑安医院的ANI患者和正常对照组的sMRI、DTI、rs-fMRI三种模态的核磁共振图像,其中sMRI空间分辨力较高,有利于通过观察解剖学结构,发现大脑灰质的细微改变,进而发现HAND早期表征,DTI能无创检测活体脑白质微细结构的变化情况,rs-fMRI能排出思考干扰,真实反映患者脑区异常,通过基于融合sMRI、DTI和rs-fMRI图像特征的神经网络搭建高效准确的辅助诊断系统。本文为解决HAND样本质量相差较大和数量较少的问题,针对性地提出对数据的预先处理措施,包括矫正格式、图像校准、增强数据可用性以及样本平衡性。通过这些措施重构样本多样性,实现数据平衡。针对数据集中只包含单模态核磁共振图像时,使用3DCNN网络分类准确率低,运行效率差的问题,本文搭建以3D CNN为主体的Inception-ResNet结构的分类模型,此模型能利用其3D特性充分学习MRI图像中包含的空间信息,Inception-ResNet结构能有效提取样本中不同层级的特征,同时防止由于网络层数较深造成的梯度消失和模型过拟合问题,实现对模型准确率较相同层的3DCNN提升9%,训练时间上缩短212分钟。针对sMRI、DTI和rs-fMRI三种模态的核磁共振图像同时存在场景中,出现的融合方案不明的问题,本文对比了 6个融合分类方案,提出基于注意力机制的多通道特征融合算法,将基于ALL模版提取的脑特征,进行Fisher特征筛选,最后将其与端到端提取的特征利用注意力机制,赋予不同特征通路不同权重,最终在ANI数据集上,基于多通路注意力机制的多特征融合方案较单模态准确率提升6.5%,较端到端特征融合方案准确率提升5.9%,较平均权重融合准确率提升 3.2%。