La hemorragia es la principal causa de muerte evitable tanto en la medicina civil como militar. Las hemorragias en las zonas de unión son especialmente difíciles de manejar, ya que a menudo no es posible colocar un torniquete de forma tradicional. El ultrasonido se puede utilizar para visualizar y guiar al cuidador para aplicar presión en puntos de presión fisiológica para detener la hemorragia. Sin embargo, este proceso es técnicamente desafiante, requiriendo que el vaso sanguíneo esté correctamente posicionado sobre superficies óseas rígidas y aplicando suficiente presión para mantener una oclusión adecuada. Como primer paso hacia la automatización de esta intervención que salva vidas, demostramos un algoritmo de inteligencia artificial que clasifica un vaso sanguíneo como permeable u ocluido, lo que puede guiar a un usuario para aplicar la presión adecuada necesaria para detener el flujo. Los modelos de redes neuronales se entrenaron utilizando imágenes capturadas de un fantasma de tejido personalizado y un modelo porcino ex vivo de la región inguinal, mientras se aplicaba presión con una sonda de ultrasonido con y sin superposiciones de Doppler de color. Utilizando estas imágenes, desarrollamos un algoritmo de clasificación de imágenes adecuado para la determinación de permeabilidad u oclusión en una imagen de ultrasonido que contiene una superposición de Doppler de color. Los modelos de IA separados para ambas plataformas de prueba pudieron detectar con precisión el estado de oclusión en conjuntos de imágenes de prueba con más del 93% de precisión. En conclusión, esta metodología se puede utilizar para guiar y monitorear la oclusión adecuada de un vaso sanguíneo, lo que, combinado con la actuación automatizada y otros modelos de IA, puede permitir la aplicación automatizada de torniquetes en zonas de unión.