传统疾病诊断方式主要依靠医生会诊,此过程受医生个人专业素质影响巨大,现代医疗发展趋势是建立辅助疾病检测系统,以减少主观因素的影响,使疾病诊断现代化、专业化和智能化。慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease,简称COPD)是一种呼吸困难、病程较长的慢性病,具有高发病率和高死亡率的特点,对病患的劳动能力和生活质量影响严重,COPD患者如果不能及时了解自身身体状态和病情发展情况将会对个人心理带来极大影响。因此建立慢性阻塞性肺疾病辅助检测系统既能关注到COPD患者的身体健康,又能提高医生会诊效率,还能帮助患者树立康复的信心。论文对国内外辅助检测系统进行深入研究,总结出目前辅助检测系统存在的不足,研究了系统平台搭建的主要方法,对分布式慢性阻塞性肺疾病辅助检测系统的需求进行了分析,最终决定采用B/S架构,使用MVC设计模式,使用Java语言开发,在HDFS上实现分布式存储、数据挖掘算法在Spark上进行分布式计算。论文完整的阐释了分布式慢性阻塞性肺疾病辅助检测系统的设计与实现过程,该系统主要包括以下功能:(1)运用MVC架构实现了多模块的功能集成,主要包括:健康档案、辅助诊疗、预约挂号、验证码检测等六大模块,辅助COPD患者疾病检测,简化看病环节,提供更多慢性阻塞性肺疾病信息。(2)运用数据挖掘算法从山东省中医院肺病科采集到的434位肺疾病病患的病历中训练数据,建立分类模型。系统对病人上传的病情进行辅助诊疗,得出该病人患COPD的等级并给予辅助治疗方案。(3)运用验证码滑动检测的方式,对用户进行登录身份检测。本文利用某人机验证产品采集到的鼠标轨迹,建立特征工程,提出了一种基于并行投票决策树的半监督鼠标轨迹识别方法,可有效识别机器轨迹,保护用户账号安全。经过训练之后的疾病检测模型对于识别是否患慢性阻塞性肺疾病的正确率达到91%,对于识别患慢性阻塞性肺疾病的等级的平均正确率为60%;鼠标轨迹识别模型有效识别人机鼠标轨迹的AUC值达到93%。