针对质谱数据特征数量庞大，导致多疾病诊断任务复杂困难的问题，本文提出了基于质谱数据的生成对抗自编码器整合投票算法msDAGVote。使用基于双自编码器的生成对抗网络作为msDAGVote的特征提取框架，在输入质谱数据训练后，生成器子网络用于特征构造，最后通过整合投票特征选择算法对构造特征进行筛选，将获得的最优特征子集用于多疾病诊断。在10种不同疾病类型的质谱数据集上进行评估，试验数据表明：msDAGVote提取的特征优于比较方法，显著缩减分类所需特征数量的同时具备优秀的疾病分类诊断能力，在6个数据集上分类AUC超过0.98，在其余具有挑战性的数据集上超过0.87。