目前深度学习计算机辅助诊断技术已经相对成熟，可以实现对肺部医学影像中可疑结节的识别，甚至可以完成对结节大小、类型等信息的精确测量，为医师临床诊断肺结节的良恶性提供有利依据。然而，传统常规的深度学习网络构建过程中使用的均为单独孤立的肺结节影像片段，并没有从时间序列的角度上对特征进行研究和探索。文章提出了一种基于自编码和长短期记忆网络的肺结节良恶性预测算法。首先，利用自编码网络（SAE）自动提取出肺结节影像数据的深度隐藏特征。在此基础上，利用长短期记忆（LSTM）构建了一个双层构时间序列模型，学习了肺结节特征在时间序列上的变化情况。最后，在收集到的 5760 张随诊数据集上进行了对比验证，从实验结果中可以看出，该方法在对肺结节进行良恶性预测的精准度为 91.51%，其识别精度和收敛性能均优于其他比较算法。