阿爾茨海默癥（AD）是一種不可逆轉的大腦神經退化性疾病，會損害患者記憶力和認知能力。因此，AD診斷具有重要意義。大腦感興趣區域（ROI）之間往往是多個區域以非線性的方式協同交互，充分利用此類非線性高階交互特征有助于提高AD診斷分類的準確性。為此，提出基于非線性高階特征提取和三維超圖神經網絡相結合的AD計算機輔助診斷框架。首先針對ROI數據使用基于徑向基函數核的支持向量機回歸模型訓練出基估計器，再通過基于基估計器的遞歸特征消除算法提取功能性磁共振成像（fMRI）數據中的非線性高階特征，進而將特征構造成超圖，最后基于fMRI數據的四維時空特性搭建超圖卷積神經網絡模型來進行分類。阿爾茨海默癥神經影像倡議（ADNI）數據庫上的實驗結果表明，所提框架在AD/正常對照（NC）分類任務上的效果相較于Hyper Graph Convolutional Network（HyperGCN）框架提高了8%，相較于傳統二維線性特征提取方法提高了12%。綜上，本文框架在AD分類效果上較主流深度學習方法有所提升，可為AD計算機輔助診斷提供有效依據。