本发明涉及深度学习与医学图像识别诊断的交叉技术领域，具体公开了一种基于多任务的注意力特征融合的心脏纤维化诊断模型的构建方法，该诊断模型构建步骤如下：S01：图像收集与标注：获取心脏MR影像作为样本数据，经过人工标注后获得MR影像对应的心脏标签；S02：图像预处理：包括归一化处理、数据增强和数据裁剪；S03：模型构建：包括图像恢复网络构建和图像分割网络构建，进行图像恢复任务；图像分割网络构建用于对心脏影像进行分割；S04：图像预训练：对图像恢复网络进行训练，目标是让图像恢复网络的编码器模块充分学习心脏纤维化影像的特征；S05：模型训练，本发明的目的在于提升了网络模型对心脏纤维化影像的分割精度和诊断准确性。