帕金森病(PD)是一种进行性神经系统退行性疾病,影响运动控制。这种疾病会影响大约1%的人口超过60岁,每100000人,患病率约为250,平均发病年龄在55岁至65岁之间。帕金森病是一种非常复杂的疾病,个人运动特性随着时间的推移他们的存在和严重程度不同。早期诊断PD是至关重要的,因此早期诊断PD的增加研究的一个主题。

先前的研究已经强调的主要挑战PD的诊断是正确的识别影响的PD受试者在疾病的早期阶段。早期诊断PD可以极大地影响疾病的进展和病人的生活质量。数据挖掘一直被认为是一个潜在的工具,提高早期诊断和预测中存在的问题,以及从医学检测的知识存储库。机器学习技术已经在这些数据中发现隐藏的模式有效,所以专家系统开发的机器学习技术可以用来帮助医生在疾病的诊断和预测。

这个特殊的问题旨在收集最近的事态发展在帕金森病诊断使用机器学习的方法。我们寻求原始研究和评论文章相关的机器学习应用PD的相当大的改进诊断和医疗卫生服务的准确性和成本效益为PD这样的应用程序。

潜在的主题包括但不限于以下:

• 深度学习帕金森病诊断方法
• 聚类和分类方法对帕金森病的诊断
• 混合机器学习方法对帕金森病的诊断
• 新算法利用模糊逻辑方法
• 在线学习为帕金森病诊断方法
• 有效的方法来处理和分析大数据集对帕金森病的诊断
• 去噪方法对帕金森病的诊断
• 图像处理对帕金森病的诊断
• 信号处理为帕金森病的诊断
• 可伸缩性和帕金森病诊断方法的准确性问题