新型冠狀病毒感染是一種傳染性強、變異性強、潛伏期長的急性呼吸道傳染病。基于電子計算機斷層掃描成像的新型冠狀病毒感染病灶自動分割可以輔助醫生進行快速診斷和精確治療，能有效地減少誤診漏診的風險。針對新型冠狀病毒感染病灶征象復雜且邊界模糊難以分割等痛點，本文在新型冠狀病毒感染病灶分割網絡的基礎上結合水平集分割方法引入了水平集廣義骰子損失函數（LGDL），提出了雙路徑新型冠狀病毒感染病灶分割網絡（Dual-SAUNet++），其中LGDL是由掩膜路徑的廣義骰子損失和水平集路徑的均方誤差聯合所得的自適應權重損失。本文所提模型在測試集上取得的戴斯相似系數為（87.81 ± 10.86）%，交并比為（79.20 ± 14.58）%，敏感度為（94.18 ± 13.56）%，特異度為（99.83 ± 0.43）%，豪斯多夫距離為（18.29 ± 31.48） mm。實驗證明，Dual-SAUNet++能夠同時關注病灶的面積和邊界信息，可以有效分割出多尺度病灶且具有較強的抗噪能力。綜上，本文所提方法通過精確分割病灶區域，可輔助醫生判斷新型冠狀病毒感染的嚴重程度，為后續臨床治療提供可靠依據。