Los rumores en línea se propagan rápidamente a través de las redes sociales, lo que representa una gran amenaza para la seguridad pública. Las soluciones existentes se basan principalmente en características del contenido o estructuras de propagación para la detección de rumores. Sin embargo, debido a la variedad de estrategias en la creación de rumores, solo considerar ciertas características no puede lograr resultados de detección lo suficientemente buenos. Además, los trabajos existentes solo consideran la estructura de propagación del rumor e ignoran las estructuras de agregación de los rumores, lo que no puede proporcionar características discriminativas suficientes (especialmente en los primeros días de los rumores, cuando la estructura de la propagación es incompleta). Para resolver estos problemas, este documento propone un método de detección de rumores con fusión de características multimodales y mejora la representación de características de la red de propagación de rumores mediante la adición de características de agregación. Más específicamente, construimos un modelo gráfico de la estructura de propagación, así como de la estructura de agregación. A continuación, mediante la utilización del modelo de pre-entrenamiento BERT y la red convolucional gráfica bidireccional, capturamos las características del contenido de texto, la estructura de propagación y la estructura de agregación, respectivamente. Finalmente, las características multimodales se agregaron basadas en el mecanismo de atención, y el resultado final se obtuvo a través del clasificador MLP. Los experimentos en conjuntos de datos del mundo real muestran que nuestro modelo supera a los enfoques de vanguardia.