帕金森病是一种很常见的神经疾病,其中帕金森病患者在老年人中较为常见,帕金森病的发病范围比较广,并且发病时间比较长;但是,目前帕金森病发病的确切原因还不清楚,医疗人员只能根据患者的症状、以及临床经验进行诊断,诊断的准确率不高,并且诊断过程非常复杂,给患者和医疗机构都造成很大负担。而大多数的帕金森病患者在患病初期都会有不同程度的语音障碍,所以通过语音信息诊断帕金森病严重程度的研究成为了近些年这个领域的研究热点。本文首先说明了帕金森病的现状以及基于语音信息诊断帕金森病的重要意义,并阐述了帕金森病的远程诊断和跟踪的未来发展趋势,以及国内外帕金森病远程诊断技术研究的现状。接着介绍了语音分析的相关理论知识,以及本文所使用到的机器学习算法。然后,进行了帕金森病不同语音信息下激光光斑实验,不同的帕金森语音信号会产生不同的光斑,而病情越严重的患者的语音信号产生的光斑越复杂,这证明了语音信息与病情严重程度实质上是联系在一起的,通过语音信息诊断帕金森病是可行的。其次,帕金森病综合评分量表(UPDRS)是评定帕金森病症状严重程度的统一临床参考标准,本文介绍了使用语音信号处理算法分析帕金森病患者的语音信息,分析了各个语音特征的物理意义,将机器学习算法应用到帕金森数据集将语音特征映射到UPDRS,实现帕金森并的远程诊断,临床人员可以根据估算的UPDRS提示患者的行动。本文使用了三种模型:决策树、随机森林以及支持向量机。接着,使用交叉验证评估模型的性能,使用MAE比较三种模型的性能。还分析了每种语音特征与UPDRS的关联强度。基于语音信息的帕金森病的研究与诊断具有重要的学术研究意义和广泛应用前景,本文介绍的远程监测帕金森病诊断方法比传统帕金森病诊断方法有了很大的改进。