磁共振图像中多发性硬化症的形状差异较大，导致传统方法对多发性硬化症的分割效果不佳。针对该问题，提出一种基于注意力空洞U-Net的医学图像分割方法。在U-Net级联结构中用密集空洞残差块代替传统的卷积层，以此自适应地调节每个尺度的感受野，从而提取各尺度下的重要信息；在U-Net编码器与解码器的同尺度特征图之间增加注意力模块，以此增加各尺度特征图中感兴趣区域的权重，减少非感兴趣区域的权重，从而避免信息冗余；采用混合损失函数在多尺度特征图上完成训练，以此解决多发性硬化症分割的不平衡分类问题。对比实验结果表明，在测试集上的分割精度比U-Net提升了10.8%。