慢性胃炎在人群中的发病率达60%以上,早期症状不明显,因此很多人对此不够重视。慢性胃炎会经过萎缩、肠上皮化生和异型增生三个阶段,最终发展成胃癌。而胃癌是世界重大死因,因此通过对慢性胃炎进行筛查,使患者及时得到治疗,可降低胃癌发生的风险。慢性胃炎筛查的主要方法包括内镜诊断和病理活检。这两种筛查方法都具有侵入性,且检查结果需要由专业医生凭借其经验进行判断,容易出现漏诊、误诊的情况。相关研究表明慢性胃炎会影响到人体的气味,而气味可以通过电子鼻设备采集。电子鼻目前广泛应用在多个领域,可以为慢性胃炎智能诊断提供新的思路。因此使用电子鼻设备采集数据,并结合人工智能算法,可实现对慢性胃炎的智能诊断。目前,国内外利用电子鼻设备采集慢性胃炎数据并开展智能诊断算法设计的相关研究较少。同时,现有的诊断算法模型纳入的特征具有片面性,并且没有考虑样本类不平衡和重叠问题,使得它们的预测性能较差。通过对电子鼻数据开展诊断算法研究,并设计实现了慢性胃炎智能诊断系统,主要工作及创新点如下:（1）慢性胃炎电子鼻数据的预处理和特征提取。由于电子鼻设备采集的慢性胃炎数据存在采集时间长度不一致的问题,需要对其进行预处理。然后,在预处理后的电子鼻数据上提取原始特征、统计特征、频域特征和时域特征用于人工智能算法的训练。（2）针对电子鼻收集到的慢性胃炎数据集中存在的样本类不平衡和重叠问题,提出了一种基于特征融合和邻域负样本消除的诊断算法。在三个预处理后的电子鼻数据集上的实验结果表明,所提出的算法可以有效提升对慢性胃炎的诊断性能。（3）通过对慢性胃炎电子鼻数据的处理及模型的训练,开发了一套基于电子鼻数据的慢性胃炎智能诊断软件系统。该智能诊断软件系统可以实现对电子鼻数据的有效管理、预测和智能分析,从而可以给医生提供一种新的诊断慢性胃炎的辅助手段。