本文提出了一种利用结构磁共振图像多特征组合的阿尔茨海默病(AD)分类新方法.首先,利用FreeSurfer软件进行海马分割及皮层厚度、体积测量.然后,采用直方图、梯度、灰度共生矩阵及游程长度矩阵提取海马三维纹理特征,选取AD、MCI及NC三组间均具有显著差异的参数,与MMSE评分进行相关性研究.最后,利用极限学习机,对AD、MCI及NC进行分类识别.结果　显示,无论左侧还是右侧,纹理特征相比于体积特征可以提供更好的分类结果;纹理、体积和皮层厚度互补的特征参量具有更高的分类识别率,且右侧(100％)分类正确率高于左侧(91.667％).结果　表明三维纹理分析可反映AD及MCI患者海马结构的病理变化,并且结合多特征的分析更能反映AD与MCI的认知障碍实质差别,更有利于临床鉴别诊断.