超声检查是颈动脉粥样硬化诊断的重要手段，在三维颈动脉超声图像中准确分割颈动脉斑块是评估和检测斑块的基础。提出融合卷积神经网络与Transformer的U型网络模型(CTUNet)。提出轻量自注意力机制，并将自注意力机制引入模型编码器与解码器的不同层次中，以建模长距离依赖关系。在前馈网络中引入深度卷积，进一步提高建模局部上下文的能力。使用交叉注意力机制融合跳跃连接特征与解码器特征，恢复图像细节信息，提高图像分割质量。在自行构建的三维颈动脉超声图像数据集上验证模型，实验表明CTUNet的分割性能优于其他先进模型，有望在临床上评估和监测斑块。