阿尔茨海默病（Alzheimer's disease, AD）是一种表现为记忆、情感、认知和行为失常的神经退行性疾病。当前全世界AD患者量大、就诊率不足，且AD尚无有效的治疗措施，因此早期识别和早期干预对于延缓病情至关重要。大脑以网络的组织形式进行信息处理，支撑高级认知活动，既往研究揭示了AD是一种失连接综合征，其大脑发生了网络的而非局部的损伤，因此，刻画AD脑网络异常模式对寻找其客观定量的影像标记物以实现 AD 的早期识别和干预尤为关键。

既往研究大多基于单中心小样本单模态数据集，无法鲁棒评估AD的脑网络异常模式，忽视了AD中结构网络与功能网络耦合关系的变化。因此，本论文旨在使用多站点大样本多模态的磁共振成像数据（865例被试，321例AD患者，265例轻度认知障碍患者，279例正常老人），系统评估AD的白质纤维束异常模式、结构连接网络异常模式、结构功能网络耦合关系的异常改变，分析AD脑网络改变与个体认知能力的关系，并利用机器学习方法评估脑结构连接特征在AD辅助识别中的可行性。论文的主要工作归纳如下：

1. AD 纤维束异常模式研究

白质病变是AD大脑改变的重要表现，纤维束异常是造成脑结构连接网络异常的重要因素，由于缺乏大样本多站点数据集，以往AD的白质纤维束异常模式结果并不一致。因此，为系统评估AD白质纤维束异常的稳定性和泛化性，本文在多站点数据集上，使用自动纤维束量化方法量化了大脑中 20 条白质纤维束的完整性，采用荟萃分析方法识别出AD纤维束的逐点异常模式，发现AD患者存在广泛的纤维束异常改变，纤维束完整性与个体认知能力显著相关，扣带束、胼胝体等是 AD 中存在重要改变的纤维束，这些纤维束的异常会造成大脑内默认网络、视觉网络等功能网络的连接异常。独立站点交叉验证的结果显示异常纤维束特征在AD个体化预测中能达到76.5%的站点平均精度。

2. AD 的结构连接网络异常模式及结构-功能耦合关系异常改变

AD是一种失连接综合征，大量研究表明AD存在脑网络异常改变，但受到样本量、网络构建方法差异的影响，AD的结构连接异常模式尚不清晰，且缺乏结构异常模式和功能异常模式的耦合关系研究。因此，本工作首先从网络连接强度和网络拓扑结构两个方面评估了AD结构连接网络的异常，对比了结构和功能两个模态的脑网络异常模式的异同与关联。研究发现AD结构连接网络的拓扑整合显著降低，对应于默认网络、额顶网络、视觉网络等功能网络的连接强度显著降低，皮下核团内部（包括丘脑、基底神经节等）的连接强度显著增强，这一改变模式在结构网络和功能网络中具有一致性，且与个体认知能力显著相关。AD中结构-功能耦合关系异常增强，提示了AD的脑功能灵活性的降低。最后，独立站点交叉验证结果显示异常结构连接特征在AD的个体化预测能达到75.6%的站点平均精度。

本文从纤维束异常模式的角度为AD的失连接理论提供了证据，清晰地刻画了AD结构连接网络的异常模式，探索了结构-功能网络异常的耦合关系，评估了结构连接特征作为AD影像标记物的有效性和泛化性，为理解AD异常连接模式及其与认知的关系奠定了基础。