La segmentación de imágenes médicas de la columna vertebral es crucial para diagnosticar y tratar trastornos espinales. Sin embargo, la ambigüedad en los límites anatómicos y los factores interferentes en las imágenes médicas a menudo provocan errores de segmentación. Los modelos actuales de aprendizaje profundo no pueden capturar completamente las propiedades intrínsecas de los datos, lo que lleva a espacios de características inestables. Para abordar los problemas mencionados, proponemos Verdiff-Net, un novedoso marco de segmentación basado en la difusión diseñado para mejorar la precisión y estabilidad de la segmentación mediante el aprendizaje de la distribución subyacente de los datos. Verdiff-Net integra un módulo de fusión multiescala (MSFM) para una extracción fina de características y un adaptador semántico de ruido (NSA) para refinar las máscaras de segmentación. Validado en cuatro conjuntos de datos espinales de multimodalidad, Verdiff-Net logra un alto coeficiente de Dice del 93%, demostrando su potencial para aplicaciones clínicas en cirugía espinal de precisión.