本发明提供一种基于深度学习的人脑卒中图像分割方法，方法包括：获取人脑卒中三维图像数据集并进行预处理；将处理好的数据集按比例划分为训练集和测试集；建立基于深度学习的包含残差、注意力融合以及输入自适应调整机制等和三维卷积的级联脑卒中分割模型；将所述人脑卒中图像数据集中的训练集输入所述基于深度学习的脑卒中分割模型，得到训练后的脑卒中分割模型，Dice损失函数值为其分割效果指标；将人脑卒中图像数据集中的测试集作为训练完成所得到的人脑卒中分割模型的输入，以此获取该模型的分割结果；且通过多次实验来验证模型的鲁棒性。通过本发明提出的方法，可以精准高效的分割出脑卒中图像中的目标区域，相较于目前所存在的其它脑卒中分割网络模型，在分割效果上有明显的提升。