本发明提供了一种基于U‑Net超声胎心和胎肺深度学习联合分割方法。首先,构建带有不同标注信息的胎儿心脏和肺的超声图像数据集;然后,利用数据集对Faster RCNN网络进行训练,并进行目标检测,得到包含心脏和肺的感兴趣区域(Region of interest,ROI)的小尺度胎肺胎心图像;最后,设计新的分割网络模型,并采用增强后的小尺度胎肺胎心图像和预训练模型的方式,对分割网络模型进行参数训练,得到可进行胎心胎肺超声图像像素级分割的网络,实现胎儿心脏与肺的分割。本发明通过语义分割方式对胎儿心脏与肺的边缘进行联合分割,具有较好的分割效果。