一种基于最长公共子序列的纤维分类方法，首先对原始数据的扩散信息进行纤维方向估计并纤维跟踪获得符合解剖的大脑纤维流线；其次提取离散化后的质心纤维及将分类的纤维每个节点的多特征信息，获得描述每一根纤维的多特征描述序列；然后加入控制参数ε和δ对几何特征描述序列对应点是否匹配进行约束，求解基于控制参数的特征序列最长公共子序列；最后通过加入权重参数θ_i对不同的纤维描述多特征序列描述纤维结构信息的比重进行描述；通过深度学习对人工标注的标记纤维进行训练其权重，获得拟分类集群的纤维分类模型。本发明能够完成高效精确的纤维分类，同时对纤维相似性提出新的衡量标准，为识别大脑纤维提供有效的工具。