目的建立基于磁敏感加权成像（SWI）图像的深度学习算法模型，分析大脑浅静脉（cerebral　veinssuperficial、SCV）形态参数与深部白质病变（DWML）的关系。材料与方法招募364名健康志愿者。所有受试者均接受常规头骨序列和SWI扫描。随机选择200名受试者的SWI图像进行重建，以获得最小强度投影（MinIP）图像。采用深度学习算法对MinIP图像进行分析，建立SCV形态特征的自动定量模型。该模型用于分析其余164名受试者的双侧大脑半球的血管直径和曲率等形态学参数。根据皮质下DWML是否存在，164名受试者被分为两组：皮质下DWML组（共53人）和非深部白质病变组（n-DWML）（共111人）。分析了N－DWML组SCV的DWML组和形态学参数。建立了具有统计学意义的指标和皮质下深部白质病变的二元模型。结果深度学习算法模型用于SCV形态特征分析的平均准确率在训练集为98.19%，在验证集为98.02%，在测试集为98.03%。两半球的年龄和受教育年限分布无显著性差异（P>0.05），但性别分布有显著性差异。男性两侧大脑半球的SCV血管数量显著高于女性（右侧P=0.004，左侧P<0.001）。DWML组大学和N－DWML组大学在双侧大脑半球SCV的直径和数量上没有显著差异（P>0.05）。DWML组SCV曲度显著高于n-DWML组组（P<0.001）。SCV右半球的曲率与DWML的出现显著相关（回归系数为2.035，P=0.015）。结论SCV的形态学变化与DWML之间存在潜在的关系。SCV曲率的变化可能会影响当地血流动力学人的变化，从而导致DWML。