血涂片圖像中白細胞的計數和識別對診斷包括白血病在內的血液疾病起著至關重要的作用。傳統的人工檢測結果容易受到多種因素的干擾，有必要開發白細胞自動分析系統為醫生提供輔助診斷，而血液白細胞分割則是自動分析的基礎。本文改進U-Net模型，提出一種基于雙路徑和空洞空間金字塔池化的血液白細胞分割算法。首先在特征編碼器中引入雙路徑網絡提取圖像中白細胞的多尺度特征，并使用空洞空間金字塔池化模塊強化網絡的特征提取能力，再用卷積和反卷積組成特征解碼器將分割目標恢復到原始圖像大小，實現血液白細胞的像素級分割。最后在三個白細胞數據集上進行定性定量實驗，驗證本文算法的有效性。研究結果表明，提出的血液白細胞分割算法相對于其他典型方法具有更為優秀的分割結果，mIoU值能達到0.97以上，今后或有助于血液疾病的自動輔助診斷。