脑老化是一个复杂的、不可避免的生物学过程,对大脑成熟和衰老生长曲线的研究可以探索人脑老化机制,有助于对老年性认知疾病的早期干预。阿尔茨海默症（Alzheimer’s Disease,AD）是一种起病隐匿的且与认知能力相关的老年性神经退行疾病,从早期轻度认知损害（Early Mild Cognitive Impairment,EMCI）到晚期轻度认知损害（Later Mild Cognitive Impairment,LMCI）,最终发展为AD。发现早期病变标志有助于痴呆前期干预,因此脑老化及老年性神经疾病的研究是医学、计算机、生物医学工程等交叉领域的研究热点之一。大脑是一个非线性复杂系统,复杂度是探索大脑的一种新指标。研究人员对不同模态下AD患者大脑复杂度进行分析,发现AD相对于正常对照组（Normal Control,NC）复杂度显著下降。但是目前的脑老化研究多使用脑网络技术,缺少复杂度方面的研究,导致老化到老年疾病缺少复杂度的延续性研究。排列熵是一种常用的复杂度分析方法,能够刻画非平稳信号的无序性和混乱程度。本文采用排列熵（Permutation Entropy,Per En）方法,从体素和模块两个角度研究脑老化和AD患者大脑复杂度的变化。首先使用NKI-RS数据库研究脑老化的变化曲线,接着研究AD的复杂度异常模式,并与已有的AD复杂度文献进行综合分析,最后利用复杂度指标进行AD辅助分类。主要研究内容如下:（1）采用回归及聚类分析,研究老化过程中大脑复杂度变化。老化过程中每个脑区、脑组织的老化时间不完全一致,本研究以Per En为指标,探讨生命周期中大脑复杂度的变化模式。采用回归分析发现大部分脑区老化呈倒U型趋势,其老化年龄从25到51不等。通过对老化趋势进行聚类分析,发现了四种老化基本模型。（2）采用方差分析,结合基因信息研究阿尔茨海默症患者大脑复杂度变化。AD是较为常见的老年性疾病,研究人员发现载脂蛋白E（Apolipoprotein E,APOE）ε4是AD的主要遗传影响因素。但APOEε4基因与AD患者的大脑复杂度的关系还是未知的。本研究将排列熵与基因相结合,研究了携带APOE载体的NC、EMCI、LMCI和AD与未携带者复杂度的差异。结果发现,主要差异出现在额上回、枕中回和顶叶。（3）采用PRISMA（The Preferred Reporting Items for Systematic Reviews and Meta-Analyses）技术,综合分析不同模态下阿尔茨海默症大脑复杂度的变化。虽然已有一些AD不同模态复杂度方面的研究,但研究结果比较凌乱,缺少全面的综述分析。本研究对2000-2021年的相关研究进行文献综述。通过系统文献分析,揭示AD患者大脑功能障碍的模式,探讨复杂度是否可以作为一种AD神经功能损害的影像学标志物。分析结果表明,已有研究对AD患者的脑电和脑磁信号进行分析,本研究与已其研究结果基本一致:AD患者与NC相比信号复杂度较低,差异主要分布在左顶叶、枕叶、右额叶和颞叶,说明复杂度有可能作为一种AD神经功能损害的影像学标志物。（4）结合基因信息和复杂度指标,实现基于支持向量机（Support Vector Machine,SVM）的阿尔茨海默症患者分类模型。在前述研究基础上,利用复杂度并结合基因信息,训练基于SVM的AD分类模型,进行了AD患者早期干预诊断探索研究。分类结果表明,加上基因信息后,分类准确率相较于已有研究均显著提高,进一步说明了综合基因信息的复杂度有可能可以作为一种AD神经功能损害的影像学标志物。