La demanda de análisis e investigación a gran escala de datos sobre trauma de la guerra moderna está aumentando día a día, pero la cantidad de datos existentes no es suficiente para satisfacer dicha demanda. En este estudio, se propone un enfoque de modelado integrado que incorpora un algoritmo de puntuación de severidad de trauma de guerra (WTSS) y redes neuronales profundas (DNN). Primero, el WTSS propuesto, que utiliza múltiples regresiones no lineales basadas en las características de los datos de trauma de guerra y la evaluación médica de un panel de expertos, realizó una evaluación estandarizada de una lesión y predice sus consecuencias de trauma. En segundo lugar, para generar una lesión virtual, basada en la probabilidad de ocurrencia, las partes lesionadas, los tipos de lesiones y las complicaciones fueron muestreadas aleatoriamente y combinadas, y luego se utilizó el WTSS para evaluar las consecuencias de la lesión virtual. En tercer lugar, para evaluar la precisión de las consecuencias de lesiones predichas, construimos un clasificador DNN y luego lo entrenamos con los datos generados y lo probamos con datos reales. Finalmente, utilizamos el método Delphi para filtrar lesiones no razonables y mejorar la racionalidad de los datos. Los resultados experimentales verificaron que el enfoque propuesto superó los métodos tradicionales de generación artificial, logró una precisión de predicción del 84.43% y realizó una ampliación de datos de trauma de guerra a gran escala y creíble.