[目 的]使用具有不同损失函数的深度卷积神经网络在放射治疗增强定位CT上对心脏亚结构进行分割,并对分割精度进行比较,为以后临床工作中心脏亚结构自动分割的应用做出贡献。[方 法]收集云南省肿瘤医院放射治疗科2020年5月1日至2020年6月30日收治的胸部肿瘤患者资料47例。每位患者均有一套定位增强CT图像,危及器官包括心脏及其亚结构在内的的10个结构（心包、心脏、左心房、左心室、右心房、右心室、左主干、左前降支、左回旋支、右冠状动脉）。首先由从事放射肿瘤学专业两年以上的放射肿瘤科医生根据经验及指南在定位增强CT上勾画出十种危及器官,以此作为标准。将47例患者随机分为训练集、验证集和测试集,其中训练集29例,验证集3例,测试集15例。然后使用结合了不同损失函数的四种深度卷积神经网络（GDL U-Net,WCEGDL U-Net,ELL U-Net,GDL V-Net）进行训练,使用训练后的模型在定位CT上对危及器官进行自动分割。以骰子相似系数（DSC）,豪斯多夫距离（HD）,杰卡德系数（JC）,体积差异（VD）作为定量评估指标,将四种自动分割的结果与手动勾画的基准值进行比较。[结 果]结合了不同损失函数的DCNN网络对于心包、心脏和四腔的分割DSC均达到了 0.87以上,VD值均在0.1以下,体积差距不大,分割结果比较理想。对心包及心脏分割JC值均在0.91以上,轮廓相似性较好。其中 WCEGDL U-Net 对心包的分割 DSC 达到了 0.963,95%HD 为 3.447mm;ELL U-Net 对心脏的分割DSC 达到了 0.967,95%HD 为 3.476mm;GDL U-Net 对左心房和右心室的分割较好,DSC分别为0.897（95%HD:3.423mm）,0.914（95%HD:4.240mm）;GDL V-Net则对右心房和左心室的分割性能较好,DSC为0.882（95%HD:3.902mm）,0.942（95%HD:2.820mm）。四种深度卷积神经网络对心脏不同亚结构的分割各有优势,但在冠状动脉的分割中四种DCNN的DSC均未达到0.7以上,其中只有针对LAD的分割较接近于0.7。[结 论]GDL U-Net、WCEGDL U-Net、ELL U-Net 和 GDL V-Net 四种深度卷积神经网络在心脏亚结构分割中对心包、心脏及四腔均具有较优的分割效果,但对冠状动脉分割并不理想,需要进一步完善深度卷积神经网络模型以加强对小器官的分割性能。