胎儿肺发育不良通常会在出生时引起严重的呼吸窘迫，甚至新生儿死亡。胎儿肺容积测量是临床上无创评估肺成熟度的重要手段，但现有的胎儿肺容积测量方法不仅误差大、繁琐费时，而且在临床应用中也很差。基于3D－nnUnet，首次提出了一种高效、稳定的胎肺自动分割和测量方法。此外，鉴于不同孕周的胎肺超声图像差异较大，样本数分布极不均匀，与DeepLab　V3＋和3D－Unet分割二维最优分割网络的结果相比，基于3D－nnUnet的分割网络性能最好，分割准确率高达85.7%。Hmep-Aristole可以使3DnnUnet模型专注于学习几个困难的样本，分割精度提高了近2%。根据不同孕周的数据，分段模型测量的胎肺体积与医生手动绘制的胎肺体积之间没有显著的统计学差异。实验结果表明，该方法能有效地实现三维超声胎肺的自动精确分割和体积测量，具有良好的稳定性和泛化能力，避免了以往繁琐费时的胎肺容积测量方法，在诊断胎儿肺发育和评价肺成熟度方面具有良好的应用前景