本发明涉及一种基于量子贝叶斯神经网络的磁共振图像分类方法，包括：从图像数据集获取输入数据集；选择可训练电路权重参数的先验分布和先验置信度；根据输入数据集、先验分布和先验置信度计算可训练电路权重参数的后验分布；更新先验分布和先验置信度；根据后验分布和变分量子电路将输入数据集进行处理得到量子态数据；将量子态数据分类形成输出数据集。其具有贝叶斯推理的理想特性，同时保持与其他同类模型相当的预测性能。与现有技术相比，本申请公开的一种基于量子贝叶斯神经网络的磁共振图像分类方法，可以实现更全面地理解和利用输入数据中量化预测的不确定性，从而提高模型的泛化能力和鲁棒性。