肺癌作为最致命的恶性肿瘤之一严重威胁人类健康,如果能找出一种快速无创的筛查手段将大大降低致死率。呼出气体诊断方法具有快速无创的特点,是肺癌早期筛查的理想方法之一。本文主要研究工作和创新点如下：1.新型呼出气体采集仪的设计和制作针对呼出气体采集的需求,对气体采集仪器气路、电路和软件进行了优化设计,并制定标准采集流程,实现了对呼出气体挥发性有机物(VOC)和冷凝物(EBC)同时采集的气体采集仪器。实验结果表明,该仪器可以有效收集呼出气体中内源性VOCs,EBC的采集量与商用仪器具有良好的一致性。2.筛选出呼出气体中5种肺癌标志物并建立诊断模型在气体采集仪器的基础上,对收集到的VOCs样本利用气相色谱质谱联用仪(GC-MS)进行了检测,并利用支持向量机、随机森林、神经网络等多种算法从5000多种检出有机物中确定了5种较为的可信肺癌标志物和若干种潜在标志物。基于上述5种标志物建立了优化诊断模型,整体正确率86.89%,特异性87.47%,敏感性83.34%。3.设计了肺癌呼气数据及相关信息的存储、管理数据库系统在基于VOCs肺癌标志物诊断模型的基础上,设计了肺癌信息数据库,为肺癌相关数据的收集、管理和肺癌标志物的进一步挖掘和验证提供基础。基准测试表明,数据库对上百条并发请求的响应时间在1s内,满足中小规模应用需求。4.提出了肺癌数据分布式分布式云平台并对算法并行化进行了研究针对呼气标志物缺乏多领域交叉验证的问题,提出了基于Hadoop的肺癌数据云平台,完成了平台架构设计,并基于适用于大数据挖掘的Map-Reduce分布式编程模型进行了经典算法并行化的研究。