Los patrones tangibles de los sitios de patrimonio urbano están compuestos por componentes complejos, y su interacción está involucrada en el proceso de formación y transformación. El pasado de las ciudades también sobrevive parcialmente en la estructura del asentamiento, incluso si muchos edificios son demolidos o transformados significativamente. En este estudio, presentamos un modelo basado en la integración de la morfología urbana, el aprendizaje profundo y métodos de inteligencia artificial para explorar los patrones tangibles de las áreas de patrimonio urbano en diferentes niveles de escala. El modelo propuesto es capaz de definir y reconocer las características de los elementos básicos de las formas urbanas en diferentes niveles de resolución y revelar los patrones del patrimonio. El principio básico del modelo es el análisis de los sitios de patrimonio urbano ubicados en diferentes partes del centro histórico de Estambul. Primero definimos los patrones de relación y los niveles de complejidad, y formamos las características de la forma urbana utilizando sistemas de información geográfica (SIG), basados en mapas cartográficos y contemporáneos. Luego empleamos redes neuronales convolucionales (CNN) basadas en aprendizaje profundo para la segmentación automática, utilizando OpenCV y NumPy en Python para extraer calles y bloques tanto de fuentes de mapas históricos como contemporáneos. Basándonos en los resultados integrados con la inteligencia humana y el modelo de CNN, finalmente generamos varios prompts para la IA para un mejor razonamiento en el proceso de reconocimiento de patrones. Nuestros resultados revelan que esta integración aumenta las suposiciones de GPT-4o en el proceso de reconocimiento de patrones y, por lo tanto, es capaz de revelar resultados similares a los obtenidos de las características de la forma con diferentes niveles de especificidad que son interdependientes y complementarios a las evaluaciones humanas.