针对目前慢性脑卒中的病灶分割准确性相对较低的问题，提出了一种联合深度图像配准的慢性脑卒中自动分割方法。采用深度拉普拉斯金字塔图像配准网络，在微分同胚映射的空间内以从粗到细的方式获得大脑分区，以得到病灶位置的解剖先验信息；将原始磁共振图像和配准阶段的分区结果联合，输入到加入了通道和空间注意力模块的U-Net进行病灶分割。在公开的数据集ATLAS上进行测试表明，提出的方法有效提高了慢性脑卒中病灶分割的准确性，比经典的2D U-Net提升了4.4百分点，证明了基于深度图像配准的大脑分区先验可有效增强模型对病灶的分割性能，更好的组织分割能提高病灶分割准确性。