阿尔茨海默病（Alzheimer's disease, AD）作为一种神经退行性疾病，在无症状阶段脑部便已呈现病理改变。随病理负荷加剧，患者不仅在记忆、语言、空间力、执行力、计算力等多个认知领域出现功能退化，还可能伴有情绪异常。一旦进展为AD，治疗难度极大。因此，早期诊断和精确预测疾病转化成为AD防治的核心任务，也是当前亟待攻克的科研难题。深度学习（deep learning, DL）模型在AD疾病诊断、预测、分类及特征提取等方面展现出不容忽视的优势，为解决这一难题带来新的希望。本研究首先简要介绍了AD疾病的转归和深度学习的基本知识，之后对深度学习在预测疾病转化的影像学研究从两个方面进行概述：一方面总结目前有关AD疾病分类和预测性能创新的深度学习模型；另一方面概述应用于AD诊断、分类和预测方面的深度学习融合模型。最后，本文阐述了此领域研究即将面临的挑战。本文表明深度学习模型是AD研究领域较为前沿的手段。
