随着社会的发展和人民生活水平的提高,民生健康成为重点关注的方向之一,其中肾病、糖尿病、口臭等已经成为高发病率的疾病之一。实现实时在线检测人体疾病、保障人体健康是提高居民幸福指数的重要方式。人体呼出气体检测是实现人体疾病早期筛查与诊断的有效方法,对于监测诊断人体健康具有十分重要的意义。基于呼出气体的疾病标志物检测与分析是实现人体疾病早期筛查诊断的关键环节。本论文致力于探究纳米修饰导电聚合物气敏阵列协同智能信息处理技术构建人体呼出气体检测系统。采用原位聚合法、牺牲模板法、层层自组装法等方法制备PANI/MWCNTs/MoS2、PPy/Zn2SnO4、ZnO/S,N:GQDs/PANI、SnO2/rGO/PANI四种薄膜传感器,对人体呼出气体中主要疾病标志物气体（氨气、硫化氢、丙酮）开展实验研究,从灵敏度、稳定性、选择性、响应/恢复时间等方面对传感器性能进行研究。采用SEM、TEM、FT-IR、BET、XPS、XRD、EDS等表征方法协同异质结能带结构、电荷转移等手段揭示纳米修饰导电聚合物传感器对人体呼出气体的敏感机理。同时针对人体呼出气体,筛选出高性能传感器组成传感阵列,获取气敏传感阵列在人体疾病状态下的多维响应数据,采用主成分分析算法对响应数据进行特征提取与数据降维,在此基础上构建径向基函数神经网络模型,采用粒子群算法对径向基函数神经网络参数进行优化,有效的减少数据维度与交叉敏感性能的影响,实现了人体呼出气体组分与浓度的高精度预测。最后,进一步开展基于人体呼出气体的疾病诊断模型研究,分别采用聚类分析、支持向量机、深度置信网络等方法构建人体疾病诊断模型。研究发现,深度置信网络模型具有较高的诊断准确率,满足人体疾病早期筛查与诊断的要求,对保障人体健康具有深远的意义。本文以“新材料-新器件-新应用”为路线,研究了纳米修饰导电聚合物传感器的制备及气体敏感特性,构建气敏阵列协同智能算法的数据预测和疾病诊断模型,为纳米传感器技术融合智能算法在人体疾病早期筛查与诊断领域提供了新应用,为实现人体健康监测提供一种新思路。