Las suturas vasculares microscópicas y ultramicroscópicas son indispensables en procedimientos quirúrgicos como el trasplante de brazo y la reimplantación de dedos. El estado de los vasos sanguíneos después de la sutura, que puede presentar permeabilidad vascular, estrechez y obstrucción, determina la tasa de éxito de la operación. Si podemos aprovechar la ventana de oportunidad dorada después de la sutura del vaso sanguíneo y antes de la sutura del tejido muscular para lograr una evaluación precisa y objetiva del estado del vaso sanguíneo, esto no solo reducirá los costos médicos sino que también ofrecerá beneficios sociales. La tomografía de coherencia óptica Doppler permite la visualización de alta velocidad y alta resolución de tejidos biológicos, especialmente de vasos sanguíneos microscópicos y ultramicroscópicos. Al utilizar la tomografía de coherencia óptica Doppler para visualizar los vasos sanguíneos suturados, se puede obtener una estructura tridimensional de los vasos sanguíneos e información sobre el flujo sanguíneo. Al extraer el contorno de la pared del vaso sanguíneo y el contorno del área de flujo sanguíneo, se puede reconstruir la forma tridimensional del vaso sanguíneo en tres dimensiones, proporcionando soporte de parámetros para la evaluación del estado del vaso sanguíneo. En este trabajo, proponemos un modelo de aprendizaje profundo de multiclasificación basado en redes neuronales que puede extraer automáticamente y simultáneamente los límites de los vasos sanguíneos de imágenes de intensidad de vasos OCT Doppler y los contornos de las regiones de flujo sanguíneo de las imágenes de fase de vasos OCT Doppler correspondientes. En comparación con el algoritmo de segmentación de caminata aleatoria tradicional y el método de red neuronal en cascada, el modelo propuesto puede producir el límite del vaso a partir de la imagen de intensidad y el límite del área del lumen a partir de la imagen de fase correspondiente simultáneamente, logrando una precisión promedio de segmentación de prueba de 0.967 y tomando, en promedio, 0.63 s. Este método puede realizar la integración del sistema de manera más fácil y tiene un gran potencial para evaluaciones clínicas. Se espera que se aplique a la evaluación del estado vascular microscópico y ultramicroscópico en anastomosis microvascular.