研究微血管树结构对于分析循环系统的生理病理过程具有重要意义。基于真实人体或动物微血管树结构建立血流动力学模型进行仿真模拟是研究循环系统疾病的重要手段。然而,研究中很难获得真实的微循环血管树结构。因此,研究者尝试模拟生成微血管树结构。传统方法多基于统计和分形理论生成微血管树,所生成的微血管树具有较高的同质性,不能反映具有高度异质性的真实微血管树结构。基于这些同质性的微血管树难以分析血管生长,组织灌注等生理病理问题。这些微血管树也难以作为建模仿真中的合理边界条件。因此,如何生成符合实际生理结构与拓扑特性的微血管树具有重要的研究价值。针对传统方法的不足,本研究提出了一种基于生成对抗网络的人工微血管树生成方法。论文的主要研究内容如下:(1)提出一种微血管树数据预处理方法,可以有效地基于预处理后的数据进行深度学习训练,并从训练好的模型中生成微血管分叉数据。(2)基于生成对抗网络建立了微血管分叉生成模型。模型融合条件生成对抗网络和光谱标准化生成对抗网络等技术,并针对生成器和判别器做了一系列改进,最终生成符合真实微血管树拓扑特性的微血管分叉。(3)提出一种微血管树拼接策略。根据不同微血管分叉母分支与子分支的相似度,经过平移旋转替换,实现微血管树的模拟生成。与传统微血管树模拟生成方法进行实验对比,本文方法效果更优,能更好的生成异质性更高的微血管树。该研究将近年火热的生成对抗网络模型应用于微血管树生成任务,利用生成对抗网络的学习能力,构建符合真实生理结构特性的微血管树。研究结果表明,其性能优于传统方法。该方法经进一步优化后有望辅助循环系统进行建模仿真研究,为探索心血管系统的生理病理机制提供支持。