本发明属于医学图像处理领域，特别涉及一种基于知识与数据融合驱动的多模态医学影像目标分割方法，该方法包括：获取待检测的医学图像，对待检测的医学图像进行增强处理；将增强后的医学图像输入到训练好的目标分割模型中，得到分割结果；所述目标分割模型包括骨干网络和分割网络；本发明提出了面向深度神经网络高效训练的2D/3D数据处理技术，最大化保留图像特征的同时有效扩充数据集，提高深度神经网络的泛化性能；本发明还利用可分离卷积和空洞卷积进行跃层连接得到更优的骨干网络，有效扩大感受野的同时时间复杂度较小。