目的:探讨多视角融合以及主动轮廓约束的深度学习算法在10 μm级耳科专用CT图像上对听小骨分割的效果。方法:回顾性收集2019年10月至2020年12月北京友谊医院放射科10 μm级耳科专用CT检查的受试者数据共79侧耳（56侧来自志愿者，23侧来自标本）。对锤骨、砧骨和镫骨进行标注，将其划分为训练集（55侧）、验证集（8侧）和测试集（16侧）。采用感兴趣区域快速定位结合精准分割算法，分别从冠状面、矢状面和横断面3个视角对锤骨、砧骨和镫骨进行分割与融合。针对镫骨，同时设计了基于主动轮廓损失的镫骨分割方法。分割实验采用客观指标Dice相似系数（DSC）作为判别标准，比较本方法与基础方法、本方法与其他分割方法的组间DSC差异。结果:多视角融合分割算法对锤骨、砧骨和镫骨的平均DSC值分别为94.2%±2.7%、94.6%±2.6%和76.0%±5.5%；结合主动轮廓损失的约束方法后，对镫骨的平均DSC值进一步提升（76.4%±5.4%比76.0%±5.5%），且可视化结果显示镫骨结构的分割结果更加完整。结论:基于10 μm级耳科专用CT数据的多视角融合算法可实现对锤骨和砧骨结构的精准分割，结合主动轮廓损失约束方法，可进一步提升对镫骨结构的分割精度。