La segmentación de vasos retinianos juega un papel crítico en el diagnóstico y tratamiento de diversas enfermedades oftálmicas. Sin embargo, debido al pobre contraste de imagen, las intrincadas estructuras vasculares y los conjuntos de datos limitados, la segmentación de vasos retinianos sigue siendo un desafío a largo plazo. En este artículo, se propone un nuevo modelo de segmentación de vasos retinianos llamado CMP-UNet, basado en un marco codificador-decodificador. Para validar la efectividad del modelo propuesto, se evalúa en tres conjuntos de datos públicos de segmentación de vasos retinianos: CHASE_DB1, DRIVE y STARE. El modelo propuesto, CMP-UNet, alcanza puntuaciones F1 del 82.84%, 82.55% y 84.14% en estos tres conjuntos de datos, con mejoras del 0.76%, 0.31% y 1.49%, respectivamente, en comparación con la línea base. Los resultados muestran que el modelo propuesto logra una mayor precisión de segmentación y una capacidad de generalización más robusta que los métodos de vanguardia.