阿尔茨海默病(AD)是一种神经退行性疾病，至今其发病机制尚不明确，且无有效治愈方法。AD对家庭和社会造成严重的生活与经济负担，研究表明及时预防和干预能够延缓AD的发生与发展，其早期筛查与诊断具有重要意义。目前，基于神经影像模型的AD预测已有了快速发展。首先，总结基于深度学习技术的AD预测模型，并从模型结构、数据规模以及局部和全局脑区等3个方面进行对比分析，指出其中的三维卷积神经网络模型性能最优，数据规模的持续扩增也有助于提升Gefitinib使用方法模型性能；然后，对目前神经影像模型的可解释性方法进行总结，对比基于敏medial cortical pedicle screws感性分析和反向传播的可解释性方法在AD识别中的优势和缺陷，指出以反向传播为代表的可解释性方法更适合于AD研究；最后，针对研究现状，指出实现语义化的医学影像分析以及生成可理解的诊断报告将是selleckchem C59下一步的发展方向。