循環神經網絡結構極大地優化了時間序列數據的處理能力，但是其網絡梯度爆炸以及特征提取能力較差等問題，影響了它在輕度認知障礙（MCI）自動診斷中的應用。針對這一問題，本文提出貝葉斯優化雙向長短時神經網絡（BO-BiLSTM）構建MCI診斷模型的研究思路。診斷模型基于貝葉斯算法，結合先驗分布與后驗概率結果共同作用尋優BO-BiLSTM網絡超參數，并采用功率譜密度、模糊熵以及多重分形譜等能夠充分反映MCI腦認知狀態的多角度特征量作為診斷模型的輸入，實現MCI自動診斷。結果表明：基于特征融合的貝葉斯優化BiLSTM網絡模型，MCI診斷正確率可達到98.64%，能夠有效地完成MCI的診斷評估。綜上，基于此優化的長短時神經網絡模型，實現了MCI的自動診斷評估，為MCI智能診斷提供了一種新的模型。