[摘 要] 目的 建立正确率较高的阿尔茨海默病( AD )和轻度认知功能损伤( MCI )的诊断数学模型。方法 以筛选出的 4 项指标为输入变量,将 391 个样本随机分组为训练集和检测集,用广义回归神经网络( GRNN )在训练集和检测集中分别进行参数训练和模拟诊断,并与 BP 神经网络(BPNN )、径向基神经网络( RBFNN )和感知器神经网络(PNN )进行诊断效果比较。结果 GRNN 对于 3 类人群的诊断正确率显著高于BPNN 、 RBFNN 和 PNN ,差异均有统计学意义( P <0.05 )。当 GRNN 取最优平滑因子 1.5 时, 391 个样本的诊断正确率达到 75.7% 。结论 GRNN 模型对 AD 和 MCI 的诊断效果较好,可以作为一种临床诊断辅助手段。