针对基于传统非刚性医学图像配准的心脏超声序列图像配准方法缺乏自动性及配准速度慢、准确率较低的问题，将基于深度学习的医学图像配准算法应用于心脏超声序列图像配准，通过引入通道注意力机制，构建由注意力机制模块、　Unet卷积神经网络模块及空间转换模块STN构成的配准模型.实验选取不同的相似性损失函数和平滑损失函数，对比VoxelMorph配准模型，相关配准性能指标都有不同程度的改进，DICE指标提升0.42%,　MI指标提升2.5%,　SSIM提升3.7%,　NRMSE减小9%,表明配准模型的有效性.从配准效果及配准时间分析，配准模型基本可以满足心脏超声序列图像配准的实时性需求，具有一定的临床应用价值.