随着老龄化趋势的到来,帕金森疾病的患病人群数量急剧增加,且有逐渐年轻化的趋势。帕金森病是一种神经退行性疾病,因多巴胺能神经细胞的大量死亡导致,一旦发病,不可逆转。故帕金森疾病患者如能在早期得到及时的诊断和干预治疗,可有效阻碍疾病的发展进程,提高患者的生活质量。但是,目前缺乏经济高效的手段对帕金森病进行早期筛查。基于此现状,本文研究和实现了一套用于早期筛查帕金森疾病的系统。此系统通过手机APP实现,主要工作逻辑为:APP通过手机的陀螺仪和加速度传感器获取用户手部的静止性震颤数据,然后使用相应的数学算法提取震颤特征,并通过建立的机器学习模型对病例进行识别。为了提高检测准确性,系统还加入了症状筛查的功能。最后,系统通过对两种检测方法的检测结果进行综合评估,得出检测结论。本文的主要工作包括:本文第三章重点介绍了静止性震颤检测的方法与研究内容。对于静止性震颤检测,其背景是帕金森的手部静止性震颤特征非常独特,可以被智能手机的陀螺仪和加速度传感器捕获。用户在检测时,系统通过陀螺仪和加速度传感器采集用户的手部静止性震颤数据,然后使用傅立叶变换、方差分析、标准差分析等提取数据的震颤特征,然后再利用这些特征,构造基于包括帕金森病患者和对照组人群的数据特征样本集,建立K-NN、决策树、朴素贝叶斯、支持向量机等机器学习模型对数据进行训练和测试。实验结果表明,帕金森病患者的手部静止性震颤特征相对于正常人群来说非常显著,通过机器学习模型识别,有较高的准确率,其中贝叶斯分类模型和支持向量机支持向量机模型分类准确率最高,达到84%。本文第三章还研究了症状筛查检测方法,其背景是因为帕金森病患者在发病初期往往有一些典型的临床症状,这些症状也是神经内科医生临床应用的方法。本系统将这些方法移植到手机终端,用户只需要结合自身实际情况,在手机界面上进行简单的选择,系统即可得到用户的临床症状得分,并给出患病风险的评估。实验结果表明,症状筛查的准确率也相当高,疾病组人群的准确率达到了97%,对照组（无帕金森病）人群准确率达到82%。在结合了震颤检测和症状筛查两种方法综合评估后,两组人群合并后准确率最高达到96%。本文第四章给出了系统设计与实现,主要包括前后台的系统需求分析、系统结构、功能模块设计与实现、数据接口设计与实现、数据库结构等等内容。