β 淀粉樣蛋白（Aβ）沉積是阿爾茨海默癥（AD）的重要防治靶點，在腦中及早發現 Aβ 蛋白沉積是 AD 早期診斷的關鍵。磁共振成像（MRI）是一種理想成像方式，但不能直接顯示圖像中存在的沉積信息。本文基于過濾式和封裝式的選擇模式引入鏈式智能體遺傳算法（CAGA）、主成分分析（PCA）、支持向量機（SVM）和隨機森林（RF），構建 6 種特征學習分類算法，通過像素特征優選來實現 Aβ 蛋白沉積信息（分布）的檢測。首先，分割腦磁共振（MR）圖像中的腦組織；然后提取腦組織中的像素值形成像素特征向量；接著設計特征學習分類算法對像素實現特征優選，并基于投票機制得到一組最終最優特征向量；最后采用彈性映射方法將最優像素特征向量映射到腦MR圖像上，并標記出對應的像素點，從而顯示出 Aβ 蛋白沉積的分布。實驗結果表明，本文的像素特征學習方法可提取并顯示 Aβ 蛋白沉積信息，最高分類準確率可達到 80% 以上，表明該方法是可行和有效的。本文從腦 MR 圖像中檢測的 Aβ 沉積信息將有助于提高基于 MR 的 AD 診斷準確率。