本发明提出一种基于改进的初始残差网络的病理学图像分类方法及系统，涉及图像分类的技术领域，首先采集原始的病理学图像样本，对原始的病理学图像样本进行预处理操作以扩充增强样本数据，数据初步准备完成后，将初始网络和残差网络相结合并改进，搭建改进的初始残差网络模型，重点对初始残差网络中的输入模块改进，引入并行非对称输入模块作为替代，增加原始图像特征的使用次数，实现了特征复用，然后进入模型的常规训练和测试阶段，最后评估分类结果，本方案能提高模型对于病理学图像分类的分类性能，减小网络参数和计算量。