针对U-Net模型在MRI脑肿瘤分割上存在的全局信息捕获不足和深层语义信息融合不充分等问题，提出一种全新的脑肿瘤分割网络ASGU-Net。该算法以三维U-Net为基础，通过构建图卷积推理模块，捕获额外的远程上下文特征；在编解码器中引入蛇形动态卷积更贴合肿瘤形态各异的特点，提高边缘特征提取能力以提升分割精度；此外，在解码器中引入自适应空间特征融合模块，通过整合多个编码器块捕获的语义信息提升特征融合效果。在公开的BraTS 2019-2021数据集上评估，整个肿瘤、肿瘤核心和增强肿瘤的Dice值分别为0.907/0.907/0.910、0.849/0.840/0.888和0.773/0.774/0.825。实验结果表明了ASGU-Net在脑肿瘤分割任务中的有效性。ASGU-Net可有效解决捕获全局信息和特征融合不充分问题，为脑肿瘤高精度自动化分割提供有效参考。