皮膚是人體最大的器官，很多內臟疾病會直接體現在皮膚上，準確分割皮膚病灶圖像具有重要的臨床意義。針對皮膚病灶區域顏色復雜、邊界模糊、尺度信息參差不齊等特點，本文提出一種基于密集空洞空間金字塔池化（DenseASPP）和注意力機制的皮膚病灶圖像分割方法。該方法以U型網絡（U-Net）為基礎，首先重新設計新的編碼器，以大量殘差連接代替普通的卷積堆疊，在拓展網絡深度后還能有效保留關鍵特征；其次，將通道注意力與空間注意力融合并加入殘差連接，從而使網絡自適應地學習圖像的通道與空間特征；最后，引入并重新設計的DenseASPP以擴大感受野尺寸并獲取多尺度特征信息。本文所提算法在國際皮膚影像協會官方公開數據集（ISIC2016）中得到令人滿意的結果，平均交并比（mIOU）、敏感度（SE）、精確率（PC）、準確率（ACC）和戴斯相似性系數（Dice）分別為0.901 8、0.945 9、0.948 7、0.968 1、0.947 3。實驗結果證明，本文方法能夠提高皮膚病灶圖像分割效果，有望能為專業皮膚病醫生提供輔助診斷。