目的基于遗传算法(GA),设计弥漫大B细胞淋巴瘤(DLBCL)识别深度神经网络(DNN)模型的自动压缩。方法鉴于目前DNN的训练和模型压缩过程中涉及过多人为经验因素,提出根据已有数据集使用GA自动迭代生成最适合的网络模型,自动去除原有网络模型冗余的节点和连接,使优化后的模型更加精简。该自动压缩算法在DLBCL数据集上进行了测试,通过计算进化后的最新一代的种群适应度,选择最大适应度的个体进行结构解析,得到最适合的网络结构。结果经过自动压缩算法的优化迭代,在基本保证原有网络模型识别精度的前提下得到了大幅度精简后的网络模型。通过解析适应度最高的网络模型可见,模型层数较最初模型更加精简,模型参数数量显著降低。结论该自动压缩方法使用GA自动压缩并生成最适合的模型,简化了模型体量,提升了模型的运行速度,使之更加适合临床应用。