针对阿尔茨海默病辅助诊断任务，本发明公开了一种基于多尺度特异性区域的阿尔茨海默病分类方法。充分关注PET影像中与疾病相关区域的代谢水平，减少其他冗余信息的干扰是该任务的关键。本发明设计了基于显著性引导定位的多尺度特异性区域定位模块，以无监督的方式关注PET影像中与疾病相关的特异性区域，提升辅助诊断的可解释性。针对提取的多尺度特异性区域，设计融合特异性区域的辅助诊断网络，减少PET影像中的其他干扰特征以提升分类准确率。本发明基于深度学习的特性和优势，结合PET影像的特点，设计了基于多尺度特异性区域的阿尔茨海默病分类网络，在医学图像分析、阿尔茨海默病辅助诊断等方面有广阔的应用前景。