深度學習在細胞核分割中具有重要作用，但在病理診斷中仍面臨著細胞核圖像的細微特征難以提取、核邊緣模糊等問題。針對上述問題，本文提出了一種結合注意力機制的細胞核分割網絡。該網絡使用U型網絡（UNet）作為基本結構，以深度可分離殘差卷積（DSRC）模塊作為特征編碼，避免丟失細胞核邊界信息；特征解碼引入坐標注意力（CA）加強特征空間上遠程距離，突出細胞核位置的關鍵信息；最后，設計語義信息融合（SIF）模塊整合深淺層特征，改善分割效果。在2018數據科學碗（DSB2018）和三陰乳腺癌（TNBC）數據集上分別進行實驗，所提方法的精確率在兩個數據集上分別為92.01%、89.21%，靈敏度為90.09%、91.10%，平均交并比為89.01%、89.12%。實驗結果表明，本文所提方法能有效分割細胞核細微區域，提升分割準確度，為臨床診斷提供可靠依據。