针对阿尔茨海默病(Alzheimer’s disease, AD)这种神经退行性疾病早期阶段难以被及时发现，无法进行诊断与干预的问题，提出基于注意力密集连接网络的早期AD脑形态学特征提取与分类方法。采用密集连接网络为主干架构、多视角三维图像信息作为网络输入的设计策略，引入注意力机制使得网络能够捕获对AD分类具有重要贡献的脑区。实验结果表明，提出算法对认知正常(cognitively normal, CN)与轻度认知障碍(mild cognitive impairment, MCI)、MCI与AD、CN与AD的分类正确率依次达到了98.37%、97.63%、98.60%,在AD分类领域处于较高水平。此外，通过对注意力机制得到的注意力图进行分析，可发现AD患者脑形态学演变轨迹，由CN转化为MCI涉及皮层下结构的脑形态学异常改变，再转化为AD则进一步涉及皮层结构的脑形态学异常改变。