腹部計算機斷層掃描（CT）圖像背景復雜，且腎臟腫瘤存在形態各異、大小不一以及邊緣不清晰等特點，直接對整個 CT 圖像進行分割往往無法有效分割出腎腫瘤。針對這些問題，提出一種基于 3D U-Net 和 DeepLabV3+級聯的多尺度腎腫瘤分割網絡，利用基于空洞卷積的多尺度特征金字塔自適應地控制網絡的感受野范圍，將高級語義特征和低級語義特征融合，有效改善大腫瘤的分割邊緣同時提升小腫瘤的分割精度。采用 Kits2019 公開的 210 例 CT 數據進行五折交叉驗證，并對從蘇州科技城醫院收集的 30 例 CT 數據進行獨立測試。五折交叉驗證實驗獲得的 Dice 系數為 0.796 2 ± 0.274 1，敏感度為 0.824 5 ± 0.276 3，精確度為 0.805 1 ± 0.284 0；在外部測試集上獲得的 Dice 系數為 0.817 2 ± 0.110 0，敏感度為 0.829 6 ± 0.150 7，精確度為 0.831 8 ± 0.116 8，對比其他多種方法分割精度有較大提升。