我国人民的肾脏患病率较高,但病情的知晓率却比较低。随着医学技术的发展,医务工作者对肾病患者进行诊疗的过程中,通常会选择借助医学影像技术,例如电子计算机断层扫描（Computerized tomography,CT）,以非侵入式的方法获取患者身体内部相关组织和器官的生理功能状态及病理变化,随后结合病人的问诊信息并利用自身的从医经验进行诊断。由于缺乏对病人信息合理的数字化管理,医生通常很难全面了解病人的病情信息。此外,医生长时间枯燥的人工阅片工作较为繁琐且效率较低,还会给精准诊疗带来风险。因此开发和实现一个能对病人信息进行管理并能辅助医生进行肾病诊断的系统是非常有必要的。在该背景下,借助于深度学习相关算法,结合前后端相关知识,实现了自动化的肾脏图像分割系统。该系统可以分为两大核心任务:第一是搭建一套基于B/S架构的前后端系统,该系统与用户进行交互负责相关业务请求的处理,前端采用React技术,负责页面的展示,后端采用Flask框架,负责相关功能的调用,考虑到系统的可扩展性和交互的实时性,采用了MySQL存储、对象存储和Redis缓存存储相结合的方式实现。第二是实现系统的核心功能——肾脏图像的分割,通过对国内外图像分割网络的分析,实现并训练了当前在分割领域中效果较好的四种网络,此外还设计并实现了更符合肾脏影像多样性特点的多尺度分割网络,该网络融合了多尺度模块和精心设计的混合注意力机制。然后,将上述五种网络在训练集上进行训练并调优,供医务人员选择调用。经过功能性测试,系统的用户管理功能、信息录入功能、信息检索功能和肾脏图像分割功能都可以正常运行。经过非功能性测试,所有接口都能满足系统的实时性需求,且肾脏图像分割的准确性满足系统需求。