摘要：目的 采用可穿戴式惯性传感器采集的运动数据进行帕金森病(Parkinson’s Disease,PD)患者运动症状自动评分系统的研究,以提高疾病诊断的准确性和便捷性。方法 选取2020年5月至2021年12月在江苏省老年病医院神经内科就诊的PD患者作为研究对象。根据临床需求设计传感器采集数据的范式动作,并与统一帕金森病评分量表(Unified Parkinson’s Disease Rating Scale,UPDRS)运动评分项目建立对应关系。基于SQLite数据库,开发自动导出、自动管理的患者信息、评分与运动信号管理工具,获取平稳动作和重复性动作的特征性运动参数,探索基于支持向量机(Support Vector Machine,SVM)的自动评分模型,最终建立基于粒子群优化算法超参数优化的SVM自动评分模型。结果 使用分段参数序列组合作为输入,震颤最优准确度为0.90,平衡性最优准确度为0.87,上肢灵活性、下肢灵活性准确度分别可以达到0.83和0.81。直接使用主成分分析方法降维方法,步态最优准确度为0.78。结论 基于可穿戴式惯性传感器的PD运动功能自动量化系统与临床运动症状评估量表有较好的相关性,为临床工作带来便捷的同时,在一定程度上提高诊断的精准性,临床应用价值较高。