最近几年，肺癌是最常见、发病率和死亡率最高的恶性肿瘤，已然成为全球人类公共健康问题。但是早期肺癌并没有明显的临床症状，等到发现的时候已经错过了最佳的治疗时间。呼出气体诊断技术具有无创、低成本、方便、快捷等优点，适用于临床初筛。本文主要研究了呼出气体中的肺癌挥发性有机物(VOCs)标志物的筛选，并建立了基于VOCs的肺癌诊断模型。　　本文的主要研究工作和创新点如下:　　1)确定了基于采集仪和GC-MS的呼出气体规范化采集和检测流程　　针对呼出气体中VOCs含量低的特点，确定了基于采集仪器和GC-MS的呼出气体规范化采集检测流程。从呼出气体的原始谱图中可以发现，人体呼出气体中的VOCs在肺癌患者和健康人之间的存在明显差异。基于该流程采集检测了445例呼气样本，为筛选呼出气体的肺癌标志物特征性气体奠定了基础。　　2)筛选出了31种与肺癌相关的VOCs标志物并建立了诊断模型　　筛选出了31种与肺癌相关的标志性VOCs用于区分肺癌与非肺癌，并建立相应的二元Logistic回归肺癌诊断模型。实验结果显示，模型对肺癌与非肺癌组、肺癌与健康组、肺癌与肺良性病组的判别能力依次为:肺癌与健康组＞肺癌与非肺癌组＞肺癌与肺良性病组。其中模型对肺癌与肺良性病组的区分效果不明显。　　3)设计了呼气受试者信息数据库并开发了相应的数据库管理软件　　为方便管理呼气受试者的信息，克服呼气样本数量不足，深入挖掘肺癌相关因素等需求，利用SQL Server2008设计了呼气受试者信息数据库，并在Windows系统的.NET平台下开发了该数据库的管理软件。　　4)提出了基于呼出气体的肺癌诊断模型的优化设计方法　　VOCs联合受试者影像学、年龄、性别、吸烟情况对肺癌诊断模型进行优化，优化后的模型对肺癌与健康组、肺癌与非肺癌组、肺癌与肺良性病的判别能力明显得到了提高;在此基础上，建立了变量少的二元Logistic回归和随机森林诊断模型，均达到88％左右的诊断率。