本发明属于图像分割领域，涉及医学图像分析技术，具体提供一种基于单图深度学习的内窥镜图像分割方法，用以实现单张病例情况下的实时精准分割，为临床医学中基于内窥镜图像的治疗方案制定提供支撑。本发明首先提出一种基于单张图像的训练集生成方法，用以自动生成训练集，并在该方法基础上提出轻量化深度学习网络EUnet，用以对生成训练集进行特征拟合，实现内窥镜图像分割，得到病灶区域的分割结果。本发明能够大幅提升分割精度，并具有体量小、实时性高、易运算等优点；特别是在处理胃癌、食管癌等罕见病例的内窥镜图像时，有着显著的精度优势与速度优势，具备临床应用价值。