心肌灌注顯像作為無創影像學技術之一，為冠心病心肌缺血的診斷提供依據。本文針對心肌灌注顯像圖中的靶心圖，基于U型網絡（U-Net）提出包含多層轉置卷積上采樣拼接模塊和四通路可加權通道注意力模塊的分支結構，并將分支結構的輸出結果與主干U-Net的輸出結果進行融合，實現心肌灌注靶心圖心臟缺血缺失程度部位的精確分割。實驗結果表明：多層轉置卷積上采樣拼接模塊實現了不同深度特征圖的融合，有效地降低與缺失程度相似的重度稀疏程度對分割的干擾。四通路可加權通道注意力模塊能進一步提高兩種相似程度的區分能力及對目標邊緣細節的學習能力，保留更豐富的邊緣細節特征。本文所用實驗數據來自天津醫科大學總醫院、天津泰達醫院、天津第一、第三中心醫院數據庫，在自建數據集上雅卡爾（Jaccard）系數較U-Net提高5.00%。研究結果表明，本文模型優于目前基于U-Net進行優化的其他模型，主觀評價滿足臨床診斷的精度要求。