帕金森病诊断多模态特征数据集Parkinson-sDiseaseDiagnosisMulti-modalFeaturesDataset-komhir
数据来源：互联网公开数据
标签：帕金森病, 疾病诊断, 生物医学, 语音分析, 步态分析, 运动特征, 机器学习, 数据分析
数据概述：
该数据集包含来自医疗研究的数据，记录了帕金森病患者的多种生理特征，旨在辅助帕金森病的诊断与研究。主要特征如下：
时间跨度：数据未明确标注时间，可视为一次性测量或静态数据集。
地理范围：数据来源未明确，但可用于对帕金森病患者的生理特征进行一般性分析。
数据维度：数据集包含多种特征，涵盖语音、书写、步态等多个模态，具体包括：
语音特征：包括Jitter（%）、Shimmer（%）、Harmonics-to-Noise Ratio (HNR)、Fundamental Frequency (F0) (Hz)、Mean Intensity (dB)、Dysphonia Index、Voice Breaks (%) 等。
书写特征：包括Writing Speed (mm/s)、Pen Pressure (N) 等。
步态特征：包括Stability Index、Loop Closure Error (%)、Tremor Intensity、Number of Pauses、Writing Duration (s)、Mean Acceleration (m/s²)、Mean Velocity (m/s)、Tremor Frequency (Hz)、Bradykinesia Score、Postural Stability Score、Stride Length (cm)、Gait Variability (%)、Freezing Episodes (count) 等。
诊断结果：PD Diagnosed，表示是否诊断为帕金森病。
数据格式：CSV格式，文件名为parkinsons_disease_dataset.csv，方便进行数据分析和建模。
来源信息：数据来源未明确，但可用于帕金森病相关的研究。该数据集特别适用于帕金森病的诊断和治疗相关的研究。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于生物医学、医学影像分析、以及神经科学等领域的研究，如帕金森病诊断模型构建、疾病进展预测、不同特征之间的关联性分析等。
行业应用：为医疗健康行业提供数据支持，尤其是在辅助诊断、疾病风险评估、个性化治疗方案制定等方面。
决策支持：支持医疗机构的临床决策，辅助医生进行帕金森病的诊断和病情评估。
教育和培训：作为生物医学工程、医学影像分析、机器学习等相关课程的辅助材料，帮助学生和研究人员深入理解帕金森病相关的生物特征。
此数据集特别适合用于探索帕金森病的生理特征与疾病诊断之间的关系，从而促进对帕金森病的深入理解和更精准的诊断与治疗。
