阿尔茨海默症(Alzheimers disease, AD)是一种常见于老年人的神经系统退行性病变,脑萎缩和神经纤维缠结是其特征性表现。为了自动识别AD患者和健康老年人(HC),本文提出了一种基于大脑皮层结构特征的分类方法。从美国大型阿尔茨海默症公共数据库ADNI采集了24例健康老年人(HC)和25例AD患者的脑结构磁共振图像,并使用freesurfer软件进行大脑皮层特征的提取与分析。利用基于支持向量机(SVM)的递归特征消除法(recursive feature elimination,RFE)获取对分类差异显著的主要特征,然后,采用支持向量机构建分类器对两组人群进行分类,由分类得到的混淆矩阵来计算分类性能如准确性、特异性、敏感性等指标,并结合受试者工作特征曲线(receiver operating characteristic curve,ROC)和曲线下面积(Area Under Curve,AUC)对分类器进行检验。结果表明,灰质体积为最佳分类特征,大脑皮层厚度也具有突出的分类能力,皮层表面积、平均曲率和高斯曲率对AD患者与健康老年人的区分能力相对较弱。对分类有重要影响的脑区主要分布于颞叶、内嗅区、左海马旁回、左距状旁回、左中央前后回、左额上回,显著分类特征主要分布大脑左侧脑区。由此证明利用脑皮层特征可以有效地区分AD患者和健康老年人,AD患者的左脑更容易受损。研究结果有助于为AD的分类识别开拓新的途径。