本发明公开了一种基于上下文信息的轻量级婴儿脑组织图像分割方法，应用于图像处理技术领域，其在训练阶段，构建卷积神经网络并进行训练，得到对应分割预测图；再通过计算原始核磁共振成像T1模态对应的分割预测图构成的集合与对应的婴儿脑组织失真分割标注图构成的集合之间的损失函数值，并且利用Adam优化器来对网络参数进行更新；将核磁共振成像T1模态及其对应的核磁共振成像T2模态输入到卷积神经网络训练模型中，得到婴儿脑组织分割图像；本发明在各类脑组织类型中其分割效果都有较好的表现，且其参数量更低、权重更小、推理速度更快，利于在移动端设备上进行部署。