由于世界人口Swift老龄化，痴呆症的患病率也在Swift上升，因此对个人，家庭和社会产生了巨大影响。 痴呆症的准确分类和水平测量在疾病管理中非常重要。 大量研究表明18F-FDG脑扫描可以区分各种类型的痴呆。 但是，正确，准确地解释核图像需要经验丰富的医师。 因此，值得为其构建一个自动诊断系统。 在本文中，我们提出了一种使用人工神经网络（ANN）分析脑PET-CT扫描的CortexID的新方法，并结合临床和实验室数据对痴呆症进行了分类。 此外，对ANN进行了训练，以表明该疾病的临床严重程度，如MMSE评分所反映。 所有的人工神经网络都经过了经验丰富的医师的七十次诊断再培训和测试，结果非常有希望。 痴呆症分类器的准确率达到96％，而映射器网络可以正确预测MMSE评分，回归值为0.782。
