近年来图神经网络已被广泛应用于自闭症辅助诊断，现有研究大多采用手工计算的方式构建被试间相似图以实现诊断，难以准确建模被试间的复杂关系。此外，多数方法还忽略了对脑区自身特性的利用。为解决以上问题，提出了一种结合功能连接和动态低频波动振幅两种特征的动态人群超图卷积自闭症诊断方法DPHCN。采用多角度超图构建结合动态超图卷积实现自闭症诊断，在包含17个站点的公开数据集ABIDE-I上对所提方法进行了评估，达到了患者和正常被试间87.4%的分类准确率，优于许多现有方法。此外，还在ADHD-200数据集上进行了实验，并利用基于梯度的显著图法识别了对分类重要的大脑功能连接，结果表明所提方法有良好的泛化性和挖掘潜在生物标志物的能力。