El reconocimiento automático de imágenes de TC (Tomografía Computarizada) de cáncer de hígado es importante para el diagnóstico y tratamiento del cáncer de hígado en etapas tempranas. Sin embargo, existen problemas como la estructura de modelo único y la pérdida de información de la capa de agrupamiento al utilizar una red neuronal convolucional tradicional para reconocer imágenes de TC de cáncer de hígado. Por lo tanto, este artículo propone un método eficiente para el reconocimiento de imágenes de TC de hígado basado en la red de cápsulas (CapsNet). En primer lugar, las imágenes de TC de hígado se preprocesan, y en el proceso de eliminación de ruido de la imagen, se optimiza el algoritmo de eliminación de ruido de media no local (NLM) con un algoritmo de segmentación de superpíxeles para proteger mejor la información de los bordes de la imagen. Después de eso, se utilizó CapsNet para el reconocimiento de imágenes de TC de hígado. Los resultados experimentales muestran que la tasa de reconocimiento promedio de las imágenes de TC de hígado alcanza el 92.9% cuando se utiliza CapsNet, lo que es un 5.3% más alto que el modelo CNN tradicional, lo que indica que CapsNet tiene una mejor precisión de reconocimiento para las imágenes de TC de hígado.