肺實質的準確分割是計算機輔助影像學診斷肺部疾病的關鍵。隨著深度學習技術的發展，基于全卷積網絡的圖像分割模型取得了很好的效果，但對于邊緣模糊和肺實質密度不均勻的情形仍會誤分割。針對該問題，本文提出一種基于非局域注意力機制和多任務學習的胸部X線片圖像肺實質分割方法。首先，基于殘差連接的編-解碼卷積網絡提取肺實質多層級語義特征信息并預測肺實質邊界輪廓；其次，通過非局域注意力機制建立肺實質輪廓與全局語義特征信息之間的相關性并增強輪廓區域特征信息權重；再次，基于增強的特征信息進行多任務監督學習，實現肺實質的準確分割；最后，在JSRT和Montgomery公開數據集上驗證了本文方法的有效性和模型泛化能力，對比其他幾種代表性的分割模型，其Dice系數和準確性最大分別提高1.99%和2.27%。實驗結果表明，通過增強特征信息中邊界輪廓的注意力，能有效減少肺實質密度不均勻時的誤分割并提高模糊邊緣的分割精度。