將深度學習應用到醫學影像中危及器官自動分割領域時，為解決訓練樣本不足時三維卷積神經網絡優化出現的退化、梯度消失等問題，本研究將 Dense Net 與 V-Net 兩個網絡模型進行融合，開發一種用于三維計算機斷層掃描（CT）圖像自動分割的 Dense V-Network 算法，勾畫女性盆腔危及器官。采用戴斯相似性系數（DSC）、豪斯多夫距離（HD）、杰卡德距離（JD）三個參數來定量評估分割效果。結果顯示膀胱、小腸、直腸、股骨頭和脊髓自動分割的 DSC 值均在 0.87 以上（平均值是 0.9）；JD 值均在 2.3 以內（平均值是 0.18）；除小腸外，HD 值均在 0.9 cm 以內（平均值是 0.62 cm）。經驗證，Dense V-Network 網絡可精準地勾畫盆腔危及器官。