准确可靠的乳腺肿瘤分割是乳腺癌诊断、治疗、预后评估的关键．针对现有的基于动态增强磁共振成像（DCE-MRI）的乳腺肿瘤分割方法易遗漏小目标肿瘤等不足，本文提出了一种基于全卷积网络的可靠高效的乳腺肿瘤DCE-MRI图像分割方法．首先，对乳腺DCE-MRI数据进行预处理后，截取128*128大小的图像块，并以肿瘤区域像素数为依据将数据分为两个子数据集AM-2282作用；其次，利用数据Empagliflozin说明书集训练CBP5-Net得到分类模型；然后，利用两个子数据集分别训练RAU-Net得到两个分割模型；最后，将测试集数据送到网络输入Impoverishment by medical expenses端，并对网络输出结果进行后处理，得到最终的乳腺肿瘤分割结果．利用本文提出的方法得到的Dice系数、敏感性、特异性和交并比（IoU）分别达到了0.9388、0.952 3、0.998 5和0.876 8，说明利用本文方法能够有效、精确地分割乳腺肿瘤DCE-MRI图像．