The present invention relates to an artificial intelligence method for generating an output image (130) having high legibility augmented and supplemented from an ultrasound image (100). By modifying a generation model neural network (300) using pairs, the ultrasound image is encoded (110) to generate a latent vector (120), a result thereof is input to a generation neural network (125) to generate an output image (130), the output image is input to a distinguishing neural network (150) with a standard image (135) (a simple radiation image, a computed tomography image, a magnetic resonance image or an actual anatomy image) obtained by another image inspection method, and parameters of the generation and distinguishing neural networks are repeatedly adjusted (165, 166, 167). Thus, the output image is trained to a point in which the output image is not distinguished from the standard image (135) in the end. Thereafter, when there is any desired ultrasound image, if the ultrasound image is input to an optimized generation neural network (125), it is possible to generate an ultrasound-based output image (130), in which legibility of an augmented and supplemented form very similar to the standard image 135 is enhanced, through the generation neural network. Also, it is possible to selectively output an existing ultrasound image and a supplemented ultrasound image depending on a selection by embedding the algorithm in ultrasonic equipment.COPYRIGHT KIPO 2018본 발명은 초음파 영상(100)으로부터 증강 보완된 가독성이 높은 출력영상(130)을 만드는 인공 지능적인 방법에 관한 것이다. 대립쌍을 사용하는 생성모델 신경망(300)을 변형 구성하여 초음파 영상을 인코딩(110) 하여 잠재 벡터(120)을 생성 하고, 이 결과를 생성신경망(125)에 입력하여 출력영상(130)을 만들고, 타 영상검사 방법으로 얻어진 표준 영상(135)(단 순 방사선 영상 또는 컴퓨터 단층 촬영 영상 또는 자기 공명영상 또는 실사 해부학 영상)와 함께 구별 신경망(150)에 입력 하여 생성,구별 신경망의 파라미터를 조정(165,166,167) 함을 반복하여 종국에는 표준이미지(135)와 구별이 안 되는 지점까지 훈련시킨다.이후 임의의 목적하는 초음파영상이 있을 때 이 영상을 최적화된 생성신경망(125)에 입력하면 생성 신경망을 통해 표준이미지(135)와 매우 유사한 증강 보완된 형태의 가독성을 높인 초음파 기반의 출력 영상(130)을 생성할 수 있게 하는 것이다. 이러한 알고리즘
