En las últimas décadas, las frecuentes olas de frío y los eventos de bajas temperaturas en Eurasia de latitudes medias a altas han impactado severamente las actividades socioeconómicas en el noreste de China. Identificar con precisión los anticiclones es esencial debido a su estrecha relación con la actividad del aire frío. Este estudio propone un nuevo método de identificación de anticiclones utilizando el modelo de red neuronal convolucional basada en regiones Mask (Mask R-CNN) para detectar anticiclones a escala sinóptica al capturar sus características estructurales bidimensionales e investigar su relación con desastres de nieve y hielo en el noreste de China. Se ha encontrado que, en comparación con los métodos de identificación objetiva tradicionales, el nuevo método captura mejor las características estructurales generales de los anticiclones, mejorando significativamente la descripción de anticiclones grandes y fuertes. Específicamente, incorpora el 7.3% de los anticiclones a pequeña escala en sistemas de mayor escala. Los anticiclones están estrechamente correlacionados con el enfriamiento local y los cambios en la masa de aire frío sobre el noreste de China, con el 60% de los anticiclones acompañando la acumulación de masa de aire frío regional y caídas de temperatura. Dos estudios de caso de los raros eventos de lluvia-nieve y olas de frío revelaron que estos eventos fueron precedidos por la generación y expansión hacia el este de un anticiclón aguas arriba identificado por el nuevo método. Esto demuestra que el método propuesto puede rastrear efectivamente los anticiclones y la evolución de los sistemas de alta presión fría, proporcionando información sobre eventos extremos de frío.