本发明公开了基于深度学习的医学图像分割方法，具体步骤如下，对原图像进行数据处理；构建Encoder模块提取高语义信息；构建跳连模块与Decoder部分结合，综合高分辨率信息和语义信息；分割出目标区域。USDA‑net采用了U‑net网络的编码部分和解码部分，编码部分中包含5个模块，前4个模块中均包含两个卷积操作和一个最大池化操作，最后一个模块仅有两个卷积操作；解码部分与编码部分类似包含四个模块，每个模块包含一个上采样操作和两个卷积操作；其中，跳连结构将编码部分模块的输出特征图进行裁剪，然后经过双通道注意力机制模块，最后再和相对应的解码部分上采样操作得到的特征图拼接在一起作为解码部分下一个模块的输入。本发明能够提高语义分割的质量。