选取与认知表现分数相关性高的结构网络拓扑特征,利用这些特征建立分类模型,实现对正常老化者及遗忘型轻度认知障碍(aMCI)患者的分类.本研究包含两组扩散张量影像(DTI)数据,一组为52例正常老化受试者,一组为39例aMCI患者.分别对两组数据进行结构网络构建,采用图论分析法提取结构网络的特征,将所有特征与简单智能状态检查量表(MMSE)分数进行相关性分析,选取与认知表现分数高度相关的特征,基于这些特征建立5种分类模型,并对模型的分类效果进行评估.对于正常老化数据,选出18个与认知能力显著相关的结构网络特征,集中于解剖自动贴标(AAL)图谱中的9个脑区;对于aMCI数据,也选出18个与认知能力显著相关的结构网络特征,集中于AAL图谱中的9个脑区;二者选出的特征及分布的脑区是不同的.通过对分类模型的评估,得出支持向量机序列最小优化算法建立的模型分类效果最佳,特异性达到88.46％,敏感性达到83.05％,准确性达到85.71％.所提取的与认知表现相关性高的结构网络特征,可以作为生物标记指针,来建立分类模型,对正常老化者及aMCI患者进行分类,也可提供相应脑区间连接变化的信息.