由于隐私问题和医学成像领域中公开可用的标记数据集的摘要，我们提出了图像生成管道，以合成具有相应地面真实标签的3D超声心动图图像，以减轻数据收集的需求，并需要对艰苦的和错误的人类标记，以实现深入学习（DL）的图像的艰苦和错误的人类标记。所提出的方法利用心脏的详细解剖分段作为地面真实标签来源。此初始数据集与由真实3D超声心动图图像组成的第二个数据集结合使用，以训练生成的对抗网络（GAN），以合成现实的3D心血管超声图像与地面真相标签配对。为了生成合成3D数据集，训练有素的GAN使用计算机断层扫描（CT）的高分辨率解剖模型作为输入。对合成图像的定性分析表明，心脏的主要结构被很好地描述，并紧随从解剖模型中获得的标记。为了评估这些合成图像在DL任务中的可用性，对分割算法进行了培训，可以描绘左心室，左心房和心肌。对由合成图像训练的模型给出的3D分割的定量分析