La segmentación de vasos retinianos es una tarea importante en el análisis de imágenes médicas que puede ayudar a los médicos a diagnosticar diversas enfermedades oculares. Sin embargo, debido a la complejidad y los límites borrosos de las estructuras de los vasos retinianos, los métodos existentes enfrentan muchos desafíos en aplicaciones prácticas. Para superar estos desafíos, este artículo propone un algoritmo de segmentación de vasos retinianos basado en un mecanismo de atención, llamado CAS-UNet. En primer lugar, se introduce el mecanismo de atención de Canal de Fusión Cruzada, y se utiliza el bloque de Atención Convolucional Estructurada para reemplazar el bloque convolucional original de U-Net para lograr un aumento del canal para los vasos sanguíneos retinianos. En segundo lugar, se agrega una Puerta de Atención Aditiva a la capa de conexión de omisión de la red para lograr un aumento espacial para los vasos sanguíneos retinianos. Finalmente, se utiliza el método de agrupación SoftPool para reducir la pérdida de información. Los resultados experimentales utilizando los conjuntos de datos CHASEDB1 y DRIVE muestran que el algoritmo propuesto logra una precisión del 96.68% y 95.86%, y una sensibilidad del 83.21% y 83.75%, respectivamente. El CAS-UNet propuesto supera así a los algoritmos clásicos basados en U-Net existentes.