跨多种数据模态的帕金森病检测方法学与结构综述
图像与视频处理
2025-05-02 v1 计算机视觉与模式识别
机器学习
摘要
帕金森病是一种进行性神经系统疾病，主要影响运动功能，并在晚期可导致轻度认知障碍和痴呆。根据《日本时报》和帕金森基金会的报告，全球约有1000万人被确诊（每1000人中1至1.8人），因此早期和准确诊断PD对于改善患者预后至关重要。尽管已有大量研究利用机器学习（ML）和深度学习（DL）技术进行PD识别，但现有综述在范围上存在局限，通常仅关注单一数据模态，未能涵盖多模态方法的潜力。为填补这些空白，本研究对跨多种数据模态的PD识别系统进行了全面综述，包括磁共振成像（MRI）、基于步态的姿态分析、步态传感数据、手写分析、语音测试数据、脑电图（EEG）以及多模态融合技术。基于来自主要科学数据库的347余篇文献，本综述考察了数据采集方法、设置、特征表示和系统性能等关键方面，重点关注识别准确率和鲁棒性。本综述旨在为研究人员提供一份综合性资源，为开发下一代PD识别系统提供可操作的指导。通过利用多样化的数据模态和前沿的机器学习范式，这项工作有助于推动PD诊断技术的发展，并通过创新的多模态方法改善患者护理。
引用
@article{arxiv.2505.00525,
title = {A Methodological and Structural Review of Parkinsons Disease Detection Across Diverse Data Modalities},
author = {Abu Saleh Musa Miah and taro Suzuki and Jungpil Shin},
journal= {arXiv preprint arXiv:2505.00525},
year = {2025}
}