本发明涉及图像识别技术领域，具体涉及一种基于深度学习分割、分类多任务的喉咽内镜肿瘤检测及良恶性分类方法；包括以下步骤：S1、系统研发；S10、采集训练数据并对病灶的区域、良恶性进行标注；S11、训练一个图像分割、分类多任务模型，并实现图像的病灶区域分割和图像分类。本发明利用基于深度学习的图像分割、图像分类多任务方法对待检测图像进行预测，并综合两者的预测结果，得到图像属于正常、良性或恶性的概率，同时根据分割结果输出病灶区域，供内镜操作医生参考，并且视频最近若干帧取平均概率的方法可以平滑逐帧预测到的概率，降低图像噪声、运动模糊、某些罕见图像形态的影响，降低输出概率的波动，提高检测准确率。