阿尔兹海默病（AD）作为一种神经退行性疾病,是引起老年人痴呆的主要疾病。其发展过程与神经元的形态和数量的变化密切相关。显微断层成像技术（MOST）是近年研发的全脑扫描立体成像技术,能提供高分辨率、高精细结构的神经元图像。然而由于大量数据的获得,生物信息学分析处理的速度远远无法达到要求。大量脑部神经元的形态发育及与AD的关系,这些信息都还没有被挖掘和利用。本研究的目的就是通过分析AD鼠脑神经元形态特征、构建卷积神经网络胞体自动追踪模型,分析研究AD发展过程中神经元的变化特征及与疾病的关系。本论文采用MOST技术,对转基因3×Tg-AD小鼠（AD）和野生型对照（WT）小鼠进行全脑扫描,获得8只小鼠共8TB的脑部冠状面图像数据。基此,本论文选择与AD病理特征密切相关的4个脑区（海马CA3、内侧内嗅皮层、外侧内嗅皮层、前下托脑区）,进行数据分析处理和三维重建,进行神经元形态精细结构复杂性的综合分析,包括基础指标分析、Sholl分析、人工胞体数量分析和多指标分析。鉴于人工追踪神经元面临大量数据处理低效、耗时和难以实现全脑数据分析的问题,本论文将卷积神经网络技术应用于建立自动追踪模型,包括卷积神经网络胞体自动追踪模型和神经元纤维自动追踪模型。卷积神经网络胞体自动追踪模型主要过程如下:首先裁剪海马和内嗅皮层中的部分图像数据,进行数据增强处理和数据人工标注处理,构建胞体、空白和纤维三种类型数据库。其次,将构建好的卷积神经网络胞体自动追踪模型,用数据库数据进行训练。最后,用所建立的网络模型计算不同脑区的胞体数目。通过将我们所构建的卷积神经网络胞体自动追踪模型与胞体人工计数和Neuron GPS软件进行的胞体计数进行对比,确定所构建系统的准确度,并将所构建的卷积神经网络胞体自动追踪模型应用于不同脑区,包括海马CA1,内侧内嗅皮层,外侧内嗅皮层,前下托脑区,进行胞体数量统计分析。采用上述方法,本论文分析了AD和WT小鼠全脑MOST数据中不同脑区神经元形态变化趋势,发现在AD病变过程中,神经元树突形态复杂性的变化在不同脑区存在不同。AD小鼠树突复杂性在前下托脑区中无显著变化、在外侧内嗅皮层脑区中降低、在内侧内嗅皮层中升高、在海马CA3区中降低。在多指标分析中,本论文发现在外侧内嗅皮层中,AD和WT之间的总面积值和末端纤维长度平均值有差异性。在海马CA3中,分岔点个数、纤维长度平均值、非末端纤维长度平均值、非末端纤维长度平均值/总面积值能显示AD和WT之间的差异性,并显示不同脑区中神经元的变化方式。进一步将构建的神经元数据库及卷积神经网络胞体自动追踪模型,应用于胞体的定位及计数,对比三种方法计算胞体数量的结果,发现卷积神经网络胞体自动追踪模型统计的胞体数量与人工胞体计数法统计的胞体数量,结果相近（p>0.05）。应用卷积神经网络胞体自动追踪模型统计不同脑区胞体数量,发现在海马CA1中,AD小鼠的神经元数量明显减少（p=0.02）,符合预期。而在外侧内嗅皮层、内侧内嗅皮层和前下托脑区的中,AD和WT的胞体数量没有显著差异。综上所述:本论文发现在AD病理过程中不同脑区的神经元精细结构复杂性的变化各不相同。采用本论文所构建的卷积神经网络胞体自动追踪模型能较好地对脑区胞体数量进行统计,精确度较高、胞体统计速度加快。本论文研究为后续自动追踪分析神经元形态及神经纤维投射、实现神经系统的三维重建,并提供了研究方法和基础数据。