摘要：目的开发基于计算机断层扫描图像和深度学习的高效率且高精确度的肾肿瘤语义分割模型。方法基于注意力机制的U-Net网络架构算法,通过损失函数等相关系数评估模型,选择Patchwise-grid和Patchwise-crop两种训练方法,其中Patchwise-grid是将图像分割成数个网络分析,Patchwise-crop是分析图像中随机裁剪的斑块。使用3折交叉验证方法,在训练集和测试集上,通过训练轮次的增加,得到损失函数、dice系数、dice交叉熵的反映值,最终训练确定使用Patchwise-crop方法。结果构建的自动分割模型的3折交叉验证模型性能dice系数分别为0.8868,0.8726,0.8868;dice交叉熵结果分别为0.1803,0.1902,0.1803,结果优于其他方法。结论使用注意力机制U-Net网络架构算法有效实现了对肾、肾肿瘤区域的自动分割,为肾肿瘤的影像学辅助诊断提供技术支持。