阿尔茨海默病(Alzheimer’s disease,AD),又称老年痴呆,是发生于老年和老年前期的一种神经系统退行性疾病,影响着全球超5000万人的健康和幸福。β淀粉样蛋白(Amyloidβ-protein,Aβ)沉积在AD发病机制中起关键作用,也是重要的防治靶点,因此在脑中及早发现Aβ的沉积是早期诊断AD的关键。磁共振成像(magnetic resonance image,MRI)技术是理想成像方式,不仅能精确定量地反映脑中不同组织在结构和功能上的变化,而且可表征代谢物浓度。MRI具有无创、无辐射、无需对比剂和时间空间分辨率高等优点,已广泛应用于AD早期诊断。但是,目前针对脑MR图像中Aβ沉积信息检测的公开研究却极为缺乏。针对此问题,本文研究并提出了像素特征学习方法,构造小鼠脑MR中Aβ沉积信息的检测算法,奠定相关理论基础和方法依据。本文的主要研究工作如下:(1)完成了脑图像采集和预处理工作:采集APP双重转基因小鼠(AD)和对照组小鼠(contral,CTL)的脑部T2加权结构像;制作小鼠脑组织切片,形成脑组织切片图像;将其与小鼠脑MR图像进行匹配,形成图像对。(2)研究并提出了基于脑组织MR图像中像素特征选择的Aβ沉积信息检测算法:首先分割脑MR图像中脑组织,按行提取脑组织中的像素值形成像素特征向量;接着采用多种特征学习分类算法对像素特征实现特征优选,并重复操作获得多个最优特征子集,根据投票机制得到最终最优特征向量;最后利用弹性映射方法,将最优像素特征向量映射到脑MR图像中对应的像素点,从而显示出Aβ沉积的分布。(3)研究并提出了基于脑组织MR图像中像素特征分组的Aβ沉积信息检测算法:首先分割脑MR图像中脑组织,按行提取脑组织中的像素值形成像素特征向量;接着设计特征分组算法对像素特征进行分组,基于各特征组分别训练分类模型,根据模型输出的分类准确率确定最优特征组;然后利用弹性映射方法,将最优像素特征向量映射到脑组织MR图像中对应的像素点,从而显示出Aβ沉积的分布。本文将检测Aβ沉积信息问题转化为优选像素特征用于分类识别AD和CTL的问题,提出的检测算法可以准确提取和反映Aβ沉积信息,基于提取信息可实现约87%的分类准确率,实现了基于脑MR图像的Aβ沉积信息的无创性检测,为AD的早期诊断提供新的研究思路和方法参考,为推动相关研究的临床化和实用化发展提供了一定的理论基础和方法依据。