Parkinson’s Disease Classification 数据集用于检测分类帕金森疾病，数据集收集于 188 位患有帕金森症状的患者，年龄区间为 33 岁到 87 岁。该数据集还包括 64 位年龄区间 41 岁至 82 岁的健康样本

帕金森氏病（PD）是世界上主要的公共卫生疾病之一，其日趋增加，并已对许多国家产生影响。 因此，在疾病早期就进行预测非常重要，因为疾病的症状是在中年或中晚期出现的，因此这对于研究人员来说是一项艰巨的任务。 因此，这项工作着眼于受PD影响的人群的语音清晰度困难症状，并使用各种机器学习技术（例如自适应增强，装袋，神经网络，支持向量机，决策树，随机森林和线性回归）来建立模型。 这些分类器的性能使用各种指标进行评估，例如准确性，接收器工作特性曲线（ROC），灵敏度，精度，特异性。 最后，采用Boruta特征选择技术在预测帕金森氏病的所有特征中找到最重要的特征。

帕金森病检测 使用XGBoost检测帕金森氏病，并使用Flask进行部署。 使用的语言：Python 3.7，Html5，CSS3。 该Web应用程序正在开发中，目前托管在两个云平台中： IBM Cloud： : Heroku云： ：

帕金森病使用语音作为生物标志物 介绍 帕金森病是一种神经退行性疾病。 帕金森病患者经常会出现僵硬、颤抖、协调困难，并且随着疾病的进展，它开始影响语言的各个方面。 具体而言，通常受帕金森氏病影响的言语方面是声音低下（音量降低）、构音障碍（发音困难）和单调（音调范围减小）。 目前，帕金森病不能通过单一测试来诊断。 诊断基于病史、症状以及神经系统和身体检查，这些检查都在很大程度上基于运动功能。 然而，在帕金森病的早期阶段，很难发现运动缺陷，因为它们可能并不严重。 使用替代生物标志物，例如语言方面，可能有助于早期诊断。 小等人。 (2007) 通过评估两种测量语音方面的新方法（复发概率密度熵 (RPDE) 和去趋势波动分析 (DFA)）是否有助于区分患有和不患有帕金森病的参与者来研究该主题。 研究结果表明，这些新方法能够比传统的评估语言方面的方法更好地对患有和不患有帕金森病的个体进行分类。 这

Parkinson_Classification（帕金森分类数据集）.7z

Parkinson数据集Parkinson数据集Parkinson数据集Parkinson数据集Parkinson数据集

关于帕金森综合症的一片重要文献，文献阐述了一个最新发现的基因片段对于帕金森综合症的成因以及治疗的影响