According to an embodiment of the present invention, an image acquisition unit for acquiring a visible light image and an indocyanine green infrared fluorescence angiography image； An image matching unit configured to match the visible light image and the indocyanine green infrared angiography image to the same location to generate matching information； A verification image production unit that converts the indocyanine green infrared fluorescence angiography image into thresholding or other types of algorithms to produce ground truth information； A training unit based on the matching information and supervised training a deep learning vascular classification algorithm using the actual verification information as a correct answer image； A deep learning blood vessel classification system is provided. The actual verification information production unit, the training unit, and the verification unit can be integrated and operated as one deep learning network.본 발명의 일 실시예에 따르면, 가시광선 영상과 인도시아닌그린 적외선 형광 조영술 영상을 획득하는 영상 획득부； 가시광선 영상과 인도시아닌그린 적외선 형광 조영술(indocyanine green infrared angiography) 영상을 같은 위치로 매칭시켜 매칭 정보를 생성하는 영상 매칭부； 상기 인도시아닌그린 적외선 형광 조영술 영상을 스레숄딩(thresholding) 혹은 타종류 알고리즘으로 변환하여 실지 검증 정보(ground truth information)를 제작하는 검증 이미지 제작부； 상기 매칭 정보에 기반하고 상기 실지 검증 정보를 정답 영상으로 하여 딥러닝 혈관 구분 알고리즘을 지도 훈련(supervised training)하는 훈련부； 를 포함하는 딥러닝 혈관 구분 시스템이 제공된다. 실지검증정보 제작부와 훈련부 및 검증부는 하나의 딥러닝 네트워크로 통합되어 운영될 수 있다.
