利用超聲心動圖進行心室分割能夠獲得心室容積參數，對評價心功能有重要意義。但超聲圖像有噪聲大、難以分割等特點，僅僅靠人工對目標區域進行手動分割工作量巨大，且目前自動分割技術尚無法保證分割精度。針對這些問題，本文提出了一種全新的算法框架對心室結構進行了分割提取。首先，采用更快速的基于區域的卷積神經網絡目標檢測算法對目標區域進行定位，得到感興趣區域；然后使用 K 均值（K-means）算法對目標區域進行初始聚類；接著使用一種自適應核函數帶寬的均值漂移（mean shift）算法進行分割；最后采用種子填充算法提取目標區域。該算法結構實現了自動提取分割目標區域，免去了人工定位的過程。實驗表明，在定量評價標準下，這種分割框架能夠對目標區域進行精確的提取，同時提出的自適應均值漂移算法較傳統固定帶寬均值漂移算法更穩定，且分割效果更好。研究結果顯示，本文所述方法有助于實現超聲心動圖左心室切面的自動分割。