基于迁移学习的脑卒中风险预测方法及系统，包括：获取脑卒中发病人群发病前和无标签人员的生理和运动数据及日常生活习惯的历史数据，对数据进行滤波和归一化预处理，得到源数据和目标数据；选取源数据中的高危风险特征，建立脑卒中高危风险特征数据集，提取目标数据中的脑卒中高危风险特征数据；计算目标数据的相似距离，获取这些数据的相似历史数据片段；如果求出特征Xi源数据中的样本特征片段为c个，则构成可迁移样本K＝{K1,K2,...Kc}，将每个片段按照时间窗进行拆分；构建基于LSTM的预测模型，利用训练好的预测模型分别对目标数据样本进行预测；重复上述步骤，得到待测样本q个特征分别对应的预测结果，并将预测结果进行权重融合，得到最终的预测结果。