针对深度信念网络（DBN）权值随机初始化易使网络陷入局部最优的问题，在传统DBN模型中引入布谷鸟搜索（CS）算法，提出一种基于CS-DBN的肺部肿瘤图像识别算法。首先，利用CS的全局寻优能力对DBN的初始权值进行优化，并在此基础上进行DBN的逐层预训练；然后，利用反向传播（BP）算法对整个网络进行微调，从而使网络权值达到最优；最后，将CS-DBN应用于肺部肿瘤图像的识别，实验从受限玻尔兹曼机（RBM）训练次数、训练批次大小、DBN隐层层数和隐层节点数四个角度将CS-DBN与传统DBN进行比较，以验证该算法的可行性和有效性。实验结果表明，CS-DBN的识别精度明显高于传统DBN，在不同RBM训练次数、训练批次大小、DBN隐层层数和隐层节点数条件下，CS-DBN较传统DBN识别率提高百分点的范围分别是1.13~4.33、2.00~3.34、1.07~3.34和1.40~3.34。CS-DBN能够在一定程度上提高肺部肿瘤的识别精度，从而提高肺部肿瘤计算机辅助诊断性能。