本文提出了一種利用結構磁共振圖像多特征組合的阿爾茨海默病（AD）分類新方法。首先，利用 FreeSurfer 軟件進行海馬分割及皮層厚度、體積測量。然后，采用直方圖、梯度、灰度共生矩陣及游程長度矩陣提取海馬三維紋理特征，選取 AD、MCI 及 NC 三組間均具有顯著差異的參數，與 MMSE 評分進行相關性研究。最后，利用極限學習機，對 AD、MCI 及 NC 進行分類識別。結果顯示，無論左側還是右側，紋理特征相比于體積特征可以提供更好的分類結果；紋理、體積和皮層厚度互補的特征參量具有更高的分類識別率，且右側（100%）分類正確率高于左側（91.667%）。結果表明三維紋理分析可反映 AD 及 MCI 患者海馬結構的病理變化，并且結合多特征的分析更能反映 AD 與 MCI 的認知障礙實質差別，更有利于臨床鑒別診斷。