近些年来,随着分级诊疗制度的推行,国家逐渐重视在基层实现慢性病、常见病、多发病的首诊和转诊。而帕金森症作为一种常见的临床症状,具有退行性、高患病率的特点,因此,该症状的筛查诊断会逐渐进入分级诊疗系统,从而实现早筛查早治疗,并带来减缓疾病发展进程、减少经济负担的收益。进一步,帕金森症又可以分为帕金森病、多系统萎缩等疾病。上述两种疾病存在不同的病情进展速度和预后管理方法,从而需要对上述疾病进行区分。而帕金森症的筛查和诊断都存在误诊率高的问题,从而需要一个系统量化评估运动能力,从而提高诊断筛查效率,减少医疗人员负担。基于步态分析,一种帕金森症的重要表征,本论文设计了一个全面的数据采集系统,并针对筛查场景优化系统,实现了高敏感度、高实操性、低成本的帕金森症筛查,同时探究了不同诊断场景下的诊断性能,并首次实现了帕金森病和多系统萎缩的高准确性诊断。针对步态数据采集系统,本论文基于5个惯性传感器构建可穿戴的数据采集设备,并基于任务类型、执行速度、药效状态共3个因素设计采集协议,从而全面地记录测试者在不同情况下的步态数据。接着,本论文通过传感器校准、坐标系统一手段得到同一坐标系下的数据,并针对不同的任务类型进行了大量特征计算,然后基于最小冗余最大相关性算法进行特征筛选,最后基于随机森林算法进行筛查、诊断系统进行性能评估。基于该步态数据采集系统,本论文共采集了57位测试者,包括26位健康对照组、21位帕金森病患者和10位多系统萎缩患者。进一步,为了满足实际筛查场景下的敏感性高、成本低、实操性强的需求,本论文探究了不同传感器组合以及最优和次优传感器组合下单个测试的性能,最后在单传感器、单测试、单特征情况下达到了96%的高敏感性,也就是实现了一个成本极低、实操性强、计算性能需求低、高敏感性的筛查系统。在帕金森症诊断方面,本论文首次基于步态分析对帕金森病患者和多系统萎缩患者进行了区分,并达到94%以上的高准确性和F1分数。为了减少病人的负担,本论文进一步探究了单个药效状态下的系统性能,从而给出了性能差异,为实际应用提供了不同的选择。