本發(fā)明公開了一種基于先驗交互強(qiáng)化學(xué)習(xí)的胎兒超聲圖像腦部分割方法，屬于醫(yī)學(xué)圖像分割和深度學(xué)習(xí)領(lǐng)域。本發(fā)明將胎兒超聲圖像腦部分割轉(zhuǎn)化為環(huán)境狀態(tài)轉(zhuǎn)換模塊、環(huán)境獎勵轉(zhuǎn)換模塊和提示圖更新模塊三個部分，環(huán)境獎勵轉(zhuǎn)換模塊通過標(biāo)簽數(shù)據(jù)和預(yù)測數(shù)據(jù)計算環(huán)境獎勵值；提示圖更新模塊使用提示圖更新網(wǎng)絡(luò)對當(dāng)前的結(jié)果提供新的提示圖來細(xì)化下一次分割的結(jié)果；環(huán)境狀態(tài)轉(zhuǎn)換模塊對動作概率進(jìn)行預(yù)測并評估當(dāng)前狀態(tài)組合，不斷迭代更新當(dāng)前狀態(tài)值直至分割結(jié)果滿意為止。本發(fā)明可實(shí)現(xiàn)對胎兒腦部結(jié)構(gòu)端到端的分割，擁有較高的準(zhǔn)確率，為胎兒胼胝體發(fā)育狀態(tài)識別的智能分析提供有利的數(shù)據(jù)基礎(chǔ)以及性能保障，對未來的智能醫(yī)療相關(guān)研究有深遠(yuǎn)意義。