摘要目的:额颞叶痴呆(FTD)与阿尔茨海默病(AD)在临床症状及脑部结构特征方面均存在一定程度的重叠,鉴别诊断复杂且易误诊.本研究旨在利用3D高分辨T1WI磁共振成像,并结合机器学习技术,深入探索FTD与AD的灰质体积差异模式,以期建立一种客观的鉴别诊断方法.方法:2023 年 9 月至 2024 年 9 月对 20 例FTD和 35 例AD患者的3D-T1WI数据进行基于体素的形态学分析(voxel-based morphometry,VBM),结合简易精神状态检查量表(MMSE)、蒙特利尔认知评估量表(MoCA)、画钟测验(CDT)、阿尔茨海默病评估量表-认知部分(ADAS-cog)、临床痴呆评定量表(CDR)、日常生活能力量表(ADL)等认知量表评估灰质体积差异脑区与认知功能间的关联程度,从而筛选出关键脑区.最后,以关键脑区灰质体积作为特征向量构建支持向量机(support vector machine,SVM)分类模型.结果:FTD与AD患者在右侧枕叶(上回、中回、下回)、顶叶(顶上小叶、缘上回、角回)和颞叶(上回、中回、下回)存在显著灰质体积差异(FWE cluster水平校正,P＜0.05).右侧颞叶和枕叶的灰质体积与MMSE、CDT及MoCA评分间存在显著正向关联(β=0.263-0.399,P＜0.05),并以其为特征向量构建的FTD-AD二分类SVM模型鉴别准确率为60.00%(AUC=0.6729).结论:通过VBM分析结合神经认知评估,成功识别出FTD与AD的影像学特征标志物.这些特征性发现为临床鉴别诊断提供了客观的影像学依据,并从神经解剖学角度深化了对两种痴呆发病机制差异的认识,为后续提升诊断准确性奠定了基础,展现出良好的临床转化应用前景.