本发明属于图像处理技术领域，具体为一种基于目标检测的甲状腺结节侵袭性预测方法。该方法包括如下步骤：S1：对临床获得的甲状腺超声图像进行预处理，得到原始数据集；S2：构建基于传统Faster RCNN的网络结构的定位网络模型；并对定位网络模型进行预训练；S3：利用定位网络对超声图像中的结节形态信息进行提取；得到结节的纵横比信息，以及腺体组织的上下文信息；S4：构建分类网络模型；S5：建立多模型融合的甲状腺结节侵袭性预测网络，对超声图像中甲状腺结节侵袭性进行预测；S6：对融合的网络模型中的分类网络模型进行训练更新，保存验证集中准确率最高的模型。该方法可以实现端到端全自动辅助诊断，克服传统方法准确率不足，检测速率低的缺陷。