近年来,深度学习技术已应用于肺结节的诊断。 为了有效提高肺结节的诊断性能,我们提出了一种基于双学习深度监督自动编码器的新型肺结节诊断方法,该方法基于极限学习机,可从输入数据中自动识别特征。 网络中分别有成对的结节图像,分别从计算机断层扫描和正电子发射断层扫描获得。 对于每对图像,从堆叠的监督自动编码器层中提取计算机断层扫描和正电子发射断层扫描中的结节的高级判别特征。 所提出的体系结构的输出使用理想的融合方法进行组合,以获得最终的分类。 在实验中,使用5倍交叉验证方法对1600个肺结节图像进行了验证,我们的方法在每次扫描1.58假阳性时达到了91.75%的高分类灵敏度。同时,与其他深层扫描相比通过学习诊断方法,我们的方法取得了更好的判别效果,非常适合用于肺结节的诊断。