本发明公开了一种基于SCAE‑DensNet的肺癌病症诊断分类方法，步骤如下：获取医学图像数据集并对获取的医学图片预处理，对图片进行标签设置，划分为训练集、测试集，对测试集进行数据增强；通过加载构建与迁移学习，用来构建神经网络；训练模型、调整参数，用来达到训练神经网络的效果；学习肺癌病变特征、提取特征，诊断病症分类，达到肺癌病变识别效果；输入测试数据集，得到肺癌医学图像病变分类结果，得到辅助诊断病症种类、最终高精度分类结果；得出分类可信度最高的图像分类结果。本发明对肺癌医学图像识别鲁棒性更高，且识别精度更高、速度更快，解决了深度卷积神经网络可能的出现梯度消失、梯度爆炸或退化问题导致的肺癌识别准确率低的问题。