用于帕金森病诊断的机器学习：系统性综述
机器学习
2020-10-14 v1 机器学习
摘要
帕金森氏病（PD）的诊断通常基于医学观察与临床体征评估，包括对多种运动症状的特征描述。然而，传统诊断方法可能因依赖对人眼有时难以察觉因而难以分类的运动的评估而带有主观性，导致可能的误分类。同时，PD早期非运动症状可能轻微且可由许多其他状况引起。因此，这些症状常被忽视，使得早期PD诊断具有挑战性。为应对这些困难并改进PD的诊断与评估流程，机器学习方法已被用于PD与健康对照或具有相似临床表现（例如，运动障碍或其他帕金森综合征）患者的分类。为全面概述用于PD诊断与鉴别诊断的数据模态与机器学习方法，本研究使用PubMed与IEEE Xplore数据库，对截至2020年2月14日发表的研究进行了系统性文献综述。共纳入209项研究，提取相关信息并呈现在本系统性综述中，对其目的、数据来源、数据类型、机器学习方法及相应结果进行了考察。这些研究展示了机器学习方法与新型生物标志物在临床决策中适应的高潜力，促成日益系统化、有据可依的PD诊断。
引用
@article{arxiv.2010.06101,
title = {Machine learning for the diagnosis of Parkinson's disease: A systematic review},
author = {Jie Mei and Christian Desrosiers and Johannes Frasnelli},
journal= {arXiv preprint arXiv:2010.06101},
year = {2020}
}