本发明公开了一种基于集成深度卷积神经网络的胰腺CT图像分割方法，采用由粗到细的两阶段分割框架对CT图像中的胰腺进行精确的分割。首先构建了一种引入注意力模块和跨层级密集连接的三维U型编码‑解码结构的CNN网络，即Unet模型作为识别网络应用在胰腺图像分割两阶段；在粗分割阶段，对原图进行降采样归一化预处理，然后随机取若干数据块作为网络的输入进行训练，得到胰腺的粗分割结果；在细分割阶段，用边界框包含胰腺区域，在边界框区域内取图像块进行训练；在识别时，使用粗分割结果确定胰腺所在区域，再用细分割进行预测，得到细分割结果。最终将两阶段的结果进行投票决策得到分割结果。本发明克服了手工标注的问题，得到了较为理想的分割结果。