目的　提出一种基于超声心动图(echocardiography,ECHO)的二叶式主动脉瓣钙化病灶(bicuspid　aortic　valve　calcification,BAVC)自动分割算法,以提高BAVC识别效率.方法　选取BAVC患者的ECHO,应用迭代均值滤波器、一二阶全变分和指定直方图均衡化算法对其进行降噪、灰度平衡化的图像预处理;根据钙化阈值特征,应用阈值滤波器、8邻域原理获取钙化病灶的初始轮廓,并根据ECHO中主动脉瓣的大小和位置特征,自适应地选择初始轮廓作为初始种子区域;根据钙化阈值、迭代终止条件、自适应调整迭代次数等相关参数,自动分割BAVC区域.将自动分割的结果与手动分割结果进行比较,并分析ECHO中不同的椒盐噪声(salt　and　pepper　noise,SPN)及斑点噪声(speckle　noise,SN)对分割结果的影响.结果　所建立的自动分割算法的平均处理时间、平均迭代次数分别达到了4.747　s、31,像素精确度(pixel　accuracy,PA)、交并比(intersection-over-union,IoU)、Dice系数(Dice　coeffcient,DC)分别达到了0.9615、0.9559、0.9773.与MorphGAC半自动算法相比,自动分割算法的平均处理时间提高了45.61％,平均PA、IoU、DC分别提高了13.25％、11.02％、7.69％.结论　该算法能有效地分割出ECHO中的BAVC,并解决人工参与分割个性差异大、识别效率低且易受到噪声干扰的问题.