La segmentación de los lóbulos pulmonares es vital para el diagnóstico y tratamiento clínico. Los métodos de segmentación de lóbulos pulmonares basados en redes neuronales profundas han experimentado un rápido desarrollo. Sin embargo, existen desafíos que persisten, por ejemplo, las fisuras pulmonares no siempre son claras o están incompletas, especialmente en la compleja situación del pulmón derecho trilobulado, lo que conduce a resultados relativamente pobres. Para abordar este problema, este estudio propone un método novedoso, llamado nmPLS-Net, para segmentar los lóbulos pulmonares de manera efectiva utilizando nmODE. Beneficiándose de su capacidad no lineal y de memoria, construimos una red de codificación basada en nmODE para extraer características de todo el pulmón y las dependencias entre características. Luego, construimos una red de decodificación basada en la segmentación de bordes, que segmenta los lóbulos pulmonares y se enfoca en detectar de manera efectiva las fisuras pulmonares. Los resultados experimentales en dos conjuntos de datos demuestran que el método propuesto logra una segmentación precisa de los lóbulos pulmonares.