本发明提供了一种基于深度学习的阿尔茨海默症分类系统，包括数据获取模块，被配置为，获取图像数据；独立分解模块，被配置为，根据获取的图像数据，利用独立成分分析算法得到独立成分；分类模块，被配置为，根据独立成分，利用长短记忆网络模型得到阿尔茨海默症分类结果；其中，利用独立成分分析算法获得组级的独立成分，采用反向重建回归得到每个独立个体的独立成分。本发明采用基于独立成分分析和长短记忆网络对阿尔茨海默症进行诊断，相对于传统的基于感兴趣区域的方法，可以降低对先验知识的要求；与基于体素的方法相比，避免了过拟合的风险，降低了特征的维数，使模型更容易训练。