帕金森（Parkinson’s disease）是一种常见的神经系统退行性疾病,在老年群体中发病率高且患者群体大。在我国帕金森疾病诊疗仍处于诊断准确率低、延误诊断率高的状态,一方面因为帕金森疾病缺乏特异性标志物导致难以区分,另一方面是现有诊疗手段缺乏客观定量的评判标准,因而有必要通过辅助诊断方式提高诊断准确率。步态分析作为一种定量评估方式在帕金森辅助诊断中逐渐受到关注,原因在于帕金森患者多会出现步态障碍且在各患病阶段都有不同程度体现,所以采用步态分析进行辅助诊断具有较高临床价值。对比现有定量步态分析技术和相关研究发现高精度分析手段设备成本过高,而低成本步态分析研究多采用单一传感器采集步态数据进行分析,评估精度仍然有限。针对前述精度与成本难以平衡的问题,本文设计并实现低成本、精确的帕金森辅助诊断系统,帮助临床医生提高疾病诊断效率和准确率,及时诊疗惠及更多潜在患者。系统从步态分析入手,采用“云端-边缘端-设备端”三层架构设计并实现一体化数据采集、综合分析和管理展示功能。数据采集阶段使用非侵入式方式采集患者多模态步态数据。综合分析阶段通过充分挖掘不同模态数据之间的互补性,来提高步态定量评估精度。管理展示阶段将评估结果可视化展示和在线管理,方便医生参考诊断以及评估患者疾病进展。具体来讲,本文包含三个主要工作:（1）设计结合惯性传感器和单目摄像头进行多模态步态信息采集的方案。对采集得到的数据设计多个算法提取步长等步态障碍特征进行量化用以辅助诊断,步态特征的选择综合了合作方医生临床诊断经验及现有研究成果。（2）为进一步提高系统智能化程度,设计并实现基于多模态深度学习的辅助诊断模型。首先整理了包含行走时四肢运动学数据和人体侧面步态图像两种模态的多模态数据集,然后采用数据集训练模型,最终实现将运动学和图像两种模态的原始数据输入模型中即可自动提取特征并给出辅助诊断结果的功能。（3）设计并开发方便医生可视化查看步态分析结果和管理病人诊疗记录的云平台,将工作1、2中得到的步态特征量化值和模型预测结果通过Web页面进行展示和管理。测试结果表明系统符合预期,能够很好的起到辅助诊断作用。步态量化功能在合作医院试运行时特征提取精确;多模态模型具有较高的帕金森患者步态数据识别性能;云平台功能测试通过、性能测试满足医院场景使用需求。综上所述,帕金森辅助诊断系统具备实用价值和良好应用前景。