肺结节的准确分割，对结节恶性肿瘤风险分析及预测起到重要作用。在肺结节自动分割领域，结节分割的准确度普遍不高，对结节的空间信息利用不完全。针对这一情况，基于改进的U-Net提出肺结节分割的3D网络模型。为了综合考虑局部信息与全局信息，采用多尺度的特征提取方法。为了高效地适应不同尺度的特征映射，为浅层特征的映射提供指导信息，所提出的模型在U-Net的基础上添加了全局注意力上采样模块（Global　Attention　Upsample,GAU）。针对空间信息在编码器自上而下的结构中会逐步丢失，为了最大化利用空间特征信息，所提出模型方法采用一种空间注意力（Gateunit）机制来逐步抑制不同特征尺度的不相关背景信息，并能将注意力集中在前景之中。分割阶段在LIDC-IDRI数据集上的肺实质尺度Dice系数可达到82.51%。与其他模型相比，取得了有竞争力的结果。