我国人口众多,加上近年来老龄化的加剧,看病难的问题愈发明显,巨大的需求和有限的医疗卫生资源之间的矛盾不可避免。在优化医疗资源配置的同时,我国的医疗改革正推进从传统就医模式到预防为主、社区医疗和家庭医疗的转变。将穿戴式设备、机器学习和移动互联网等高新技术运用到医疗卫生领域是新型医疗改革的一个重要组成部分。近年来,以专用硬件和移动互联网为基础的穿戴式健康监测成为当前学术界和医学界的研究热点。穿戴式健康监测系统通过特定的传感器硬件,获取到用户的运动状态、心率和血压等生理参数,并对这些医疗数据分析处理,为进一步的医疗诊断和上层决策提供依据。帕金森(Parkinson’s disease,PD)是一种神经系统变性疾病,多见于60岁以上的老年人。PD患者有着明显的运动症状,在疾病早期常见静止性震颤,病情加重后出现动作迟缓和步态障碍等临床表现,因此,患者的运动体征是临床诊断的一个重要指标。尽早发现临床前患者,对后续的预防、治疗以及提高病患生活质量有着重要的作用。本文将穿戴式健康监测与人工神经网络相结合,通过多个三轴加速计获取到用户的身体行为数据,对数据进行去噪、归一化和分段等预处理,提取出有价值的特征向量,分析并设计出有效的针对帕金森病症的早期识别与预警算法,最后通过仿真分析算法的性能和识别率,并将核心算法用Java实现。主要的研究工作包括以下几个方面的内容:首先,通过传感器硬件获取用户的行为数据,并通过滤波的方法对数据进行降噪处理,得到清洁、可信并按时间分段的数据;然后,运用特征工程,选取绝对值均值、标准偏差和相关系数以及AR系数和信号幅值域等特征组成特征向量,归一化处理后作为人工神经网络分类器的输入向量;接下来,选取人工神经网络中的多层前向网络作为识别模型,采用反向传播学习算法对网络参数进行训练,设计出合理的帕金森病症识别算法;最后,把待识别数据输入训练好的人工神经网络模型,将识别的结果以图表的形式展现出来,并据此分析用户症状出现的频率和分布,判断用户的健康程度和存在帕金森隐患的可能性,得到帕金森识别的结果。