本文提出了一种基于解剖学先验知识和计算机视觉方法的综合框架,用于自动定位和分割胎儿脑部超声图像中的“胼胝体和透明隔腔复合体（CC&CSP）”和“小脑蚓部（CV）”。该框架旨在获得胎儿脑部正中矢状面的CC&CSP和CV的面积和位置信息,以协助医生进行产前检查。目前还没有专门解决这个问题的研究,这项研究对人类胚胎的产前诊断有重要的临床意义。本文提出的框架实施如下:首先,从胎儿脑部正中矢状面上手工切割出CC&CSP和CV的图像,并通过变分自动编码器（VAE）生成二者的平均模板图像。第二,利用CC&CSP平均模板在超声图像中,采用“初始定位-准确定位-结果检测”的策略,逐步精确的定位CC&CSP。第三,利用CC&CSP的形态学特征,采用“初始轮廓拟合--轮廓迭代”的策略分割CC&CSP区域。第四,利用CC&CSP和CV的相对位置关系,采用与CC&CSP定位方法相似的方式对CV进行定位。最后,进行初始轮廓拟合,以完成CV的分割。本文框架的这种串行结构,充分利用了目标的形态学特征和相互关系来完成定位和分割工作。通过多种类的实验对本文提出的CC&CSP和CV定位及分割方法框架进行有效性和准确性验证。实验结果证明了该方法的准确性和可靠性。目前本文方法在中国医科大学附属盛京医院逐步推进临床试验。