针对乳腺癌灶在磁共振成像(MRI)中呈现大小形状不一、边界模糊等特点,为避免误分割并提高分割精度,提出一种基于注意力机制的多尺度残差UNet分割算法。首先,利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小差异的关注;接着,在上采样阶段使用跨层的注意力引导网络对重点区域的关注,避免造成对健康组织的误分割;最后,引入空洞空间金字塔池化作为分割网络的桥接模块以强化对病灶的表征能力。与UNet相比,所提算法在Dice系数、交并比(IoU)、特异度(SP)、准确度(ACC)等指标上分别提升了2.26、2.11、4.16、0.05个百分点。实验结果表明,所提算法能够提高癌灶分割精度,有效降低影像诊断的假阳性率。