本研究提出了一种基于多任务学习的超声颈动脉内膜斑块分割与分类方法，通过区域和样本权重提升任务间相关性。利用弱监督学习，模型在斑块分类准确性上提高了约1.3%，混合回声斑块分类准确性提升约3.3%。该方法有效减少了对分割注释的依赖，验证了其在医学影像分析中的应用潜力。