一种基于注意力引导3D神经网络的脑部磁共振图像分类系统，通过数据预处理模块对采集到的脑部3D MR图像进行格式转换、分割剪裁并生成训练样本集、验证样本集与测试样本集；通过图像特征提取与处理模块从收到的训练样本集、验证样本集或测试样本集的图像中提取出特征向量；通过分类输出模块基于全连接层的Softmax激活函数根据特征向量生成分类结果；通过系统评估模块根据由训练集数据建立的3D MR图像分类模型应用于测试集中，获取测试集各MR图像的类别标签，并与样本的真实类别标签进行比较求取分类预测的准确率、敏感性、特异性和精确度。本发明使模型在训练时根据空间注意力权重随机删除特征图中大于权重阈值的区域，缓解模型过拟合现象，提升系统最终的图像分类精度。