本发明提出一种基于文本提取标签与多示例学习的脑部CT异常检测方法，包括获取影像文本数据及相对应的各脑部区域的异常类型标签，根据异常类型标签训练基于循环神经网络的NLP模型，获取脑部CT影像及相对应的文本数据，使用训练好的NLP模型对脑部CT影像对应的文本数据进行预测得到对应的异常标签，获取脑部CT影像上的脑区分割标签，根据脑部CT影像和与其相对应的异常标签以及脑区分割标签训练得到基于MIL的三维卷积模型，获取待预测脑部CT影像并输入至训练后的三维卷积模型，得到异常类型以及异常类型的概率。该方法只需要少量数据标注便可以对大规模数据进行训练，节省了深度学习过程中的数据标注工作量，同时可以提高预测的准确性，提高预测效率。