脑疾病的诊断和治疗是21世纪人类脑计划的研究目标之一,成像技术和影像处理技术的结合使得大脑图像的非侵入式获取和大脑皮层的直观定量表示成为可能,为脑疾病的临床诊断和治疗提供客观数据支持。本文主要针对阿尔茨海默病(Alzheimer Disease, AD)的脑部核磁共振成像(Magnetic Resonance Imaging, MRI)所表现出的脑皮层形状进行统计分析和分类研究。首先,本文提出了一种能够对网格曲面进行多尺度形变刻画的新的形状描述符—局部点面距(Local Vertex-Plane Distance, LVPD),它具备良好的局部化能力和旋转不变性,同时具有高可用性,便于计算；以脑皮层三角网格曲面的LVPD为观测值,采用广义线性模型,通过组间比较对四组样本(AD, PMCI, SMCI, NC)的脑皮层网格形状进行了多尺度统计分析,揭示AD脑皮层形状的变异区域位置、尺度和幅度等信息；并以多尺度的脑皮层变异形状特征信息为主要依据,给出一种基于种子点和区域生长准则的稳定特征提取算法,并将提取到的特征作为支持向量机(SVM)分类器的输入,结合粒子群优化(PSO)算法实现了对样本的分类。