El osteosarcoma es un tumor óseo maligno que es extremadamente peligroso para la salud humana. No solo requiere una gran cantidad de trabajo, también es una tarea complicada delinear el área de la lesión en una imagen manualmente, utilizando métodos tradicionales. Con el desarrollo de técnicas de diagnóstico asistidas por computadora, cada vez más investigadores se centran en técnicas de segmentación automática para el análisis de osteosarcoma. Sin embargo, los métodos existentes ignoran el tamaño de los osteosarcomas, lo que dificulta identificar y segmentar tumores más pequeños. Esto es muy perjudicial para el diagnóstico temprano de osteosarcoma. Por lo tanto, este documento propone un método de segmentación asistida por imágenes de resonancia magnética (RM) basado en la Red de Atención Axial Preservadora Contextual (CaPaN) para la detección de osteosarcoma. Basado en el uso de Res2Net, se agrega un decodificador paralelo para agregar características de alto nivel que combinan de manera efectiva las características locales y globales del osteosarcoma. Además, se utilizan mecanismos de pirámide de características de canal (CFP) y atención axial (A-RA). Un CFP ligero puede extraer el mapeo de características y la información contextual de diferentes tamaños. A-RA utiliza la atención axial para distinguir los tejidos tumorales mediante la minería, lo que reduce los costos computacionales y mejora el rendimiento de generalización del modelo. Realizamos experimentos utilizando un conjunto de datos reales proporcionado por el Segundo Hospital Afiliado de Xiangya y los resultados mostraron que nuestro método propuesto logra mejores resultados de segmentación que los modelos alternativos. En particular, nuestro método muestra ventajas significativas con respecto a la segmentación de objetivos pequeños. Su precisión es aproximadamente un 2% más alta que los valores promedio de otros modelos. Para la segmentación de objetos pequeños, el valor de DSC de CaPaN es 0.021 más alto que el del método U-Net comúnmente utilizado.