阿爾茨海默癥（AD）是一種進行性神經退行性疾病。由于AD患者早期階段的病癥不明顯，使得臨床診斷中難以快速確診，誤診率較高。目前關于AD早期診斷的相關研究中，較少關注受試者較長時間跨度上AD的進展變化。基于此，本文提出融合雙時間點結構性磁共振成像（sMRI）的AD早期輔助診斷集成模型，嘗試將受試者在兩個時間點上獲取的sMRI變化和臨床信息納入到預測模型的分析中，并使用三維卷積神經網絡（3DCNN）和孿生神經網絡模塊從受試者兩個時間點的sMRI中進行特征提取，同時用多層感知機（MLP）來對受試者的臨床信息進行建模，盡可能從受試者的多模態數據中提取與AD相關的特征，提高集成模型的診斷性能。實驗結果表明，基于本文模型，AD患者組與正常對照（NC）組的分類準確率為89%，轉化為AD的輕度認知障礙（MCIc）組與NC組的分類準確率達88%，不轉化為AD的輕度認知障礙（MCInc）組與MCIc組的分類準確率為69%，證實了本文所提方法在AD早期診斷中的有效性和高效性，有望在AD早期的臨床診斷中起輔助支持的作用。