本发明公开了一种基于多任务学习的肺结节分类方法，包括以下步骤：1、提取肺结节CT数据和特征等级标注；2、计算肺结节特征之间的斯皮尔曼秩相关系数，构建并训练神经网络使输出的肺结节特征的初始标签嵌入之间的余弦相似度近似等于斯皮尔曼秩相关系数；3、设计自适应方法获取图邻接矩阵，描述肺结节特征之间的相关关系；4、构建并训练以GCN和3D U‑Net为主干网络、包含图像融合模块和交叉通道注意力模块的多任务模型，输出肺结节的恶性度分类结果，并给出特征评分和分割结果为分类结果提供辅助信息。本发明充分利用肺结节特征之间的相关关系构建肺结节分类模型，能对肺结节输出多维度的分析结果，使得诊断结果具有很高的可解释性和可信度。