La detección de la estenosis de las arterias coronarias es uno de los indicadores más importantes para el diagnóstico de la enfermedad coronaria. Sin embargo, la estenosis en las ramas de los vasos a menudo es difícil de detectar utilizando sistemas de ayuda informática e incluso radiólogos debido a varios factores, como el ángulo de imagen y la falta de homogeneidad del agente de contraste. Los algoritmos tradicionales de localización de estenosis de las arterias coronarias a menudo solo detectan la estenosis aórtica e ignoran las ramas de los vasos que también pueden causar importantes amenazas para la salud. Por lo tanto, mejorar la localización de la estenosis de las ramas de los vasos en las imágenes angiográficas coronarias es una propiedad de desarrollo potencial. En este estudio, proponemos un enfoque de preprocesamiento que combina el realce de los vasos y la fusión de imágenes como requisito previo para el aprendizaje profundo. La sensibilidad de la red neuronal a las características de la estenosis se mejora al realzar las características borrosas en las imágenes angiográficas coronarias. Al validar cinco redes neuronales, como YOLOv4 y R-FCN-Inceptionresnetv2, nuestro método propuesto puede mejorar el rendimiento de las aplicaciones de redes neuronales de aprendizaje profundo en las imágenes de seis ángulos de imagen comunes. Los resultados mostraron que el método propuesto es adecuado como método de preprocesamiento para el procesamiento de imágenes angiográficas coronarias basado en aprendizaje profundo y se puede utilizar para mejorar la capacidad de reconocimiento del modelo profundo para la fina estenosis de los vasos.