本发明公开了一种基于图卷积神经网络的多模态宫颈癌前病变图像识别方法。首先收集阴道镜图像，根据病理诊断报告对每个患者的阴道镜图像进行标注；然后构建神经网络BGCNN，包括两个ResNet18构成的图神经网络，以及图卷积神经网络构成关系提取网络。将标记后的阴道镜图像，输入构建的神经网络BGCNN来进行训练，损失函数设为交叉熵损失函数，最终得到训练好的模型；本发明方法充分结合医生的临床诊断经验，结合醋酸实验图像和碘实验图像两种类型的图像，融合卷积网络和图卷积神经网络两种方法，可以自动学习到同一患者的两类图像中的关联信息，联合对阴道镜图像进行判别，在识别精度上，也有明显的提升。