The present invention relates to an apparatus for generating a virtual high-definition CT image based on a low-definition echocardiography image through a deep-learning model capable of generating a high-definition medical image； and a method thereof. The apparatus includes a virtual image generating unit, a first determination unit, a second determination unit, and a loss value calculating unit. The purpose of the present invention is to provide a high-definition heart image generating apparatus using deep-learning and a method therefor. To solve a number of problems of various types of a conventional GAN and generate and provide a virtual image having accuracy sufficient to be actually used in the medical field, the apparatus classifies the state of the heart based on one cycle of electrocardiogram, assigns the same to the input latent codec of a GAN model to make a change in the image between classes, includes the two determination units making a determination to determine authenticity between a pair of inputs, and is configured to be able to determine authenticity between a virtual CT image and a real CT image such that the feature distribution of the echocardiography image is the same as that of the real CT image and at the same time, the feature distributions of the real CT image and a generated virtual CT image are the same, thereby being capable of generating a more realistic image.COPYRIGHT KIPO 2020본 발명은 고화질 의료영상을 생성(generation)할 수 있는 딥러닝(deep learning) 모델을 통해 저화질의 심초음파 영상을 기반으로 가상(virtual)의 고화질 CT영상을 생성하는 장치 그 방법에 관한 것으로써, 가상 영상 생성부, 제1 판단부, 제2 판단부, 손실 값 산출부를 포함할 수 있으며, 종래의 GAN의 다양한 유형들이 가지고 있는 다수의 문제점들을 해결하면서도 실제로 의료영역에 사용될 수 있을 만큼의 정확도를 가지는 가상 영상을 생성하여 제공하기 위하여 심전도 1회 순환을 기준으로 심장의 상태를 계급화 하여 GAN 모델의 입력 latent codec에 할당함으로써 계급간 영상의 변화를 주고, 판별을 수행하는 판단부를 2개로 구성하여 입력 쌍 간의 진위여부 판별 뿐만 아니라, 가상 CT영상과 진짜 CT영상 간 진위여부를 판별할 수 있도록 구성하여 심초음파 영상의 특징 분포와 실제 CT영상의 특징 분포를 같게 함과 동시에 실제 CT영상과 생성된 가상 CT영상의 특징 분포도 같게 하여 더욱 실제에 가까운 영상을 생성할 수 있는 딥러닝을 이용한 고화질 심장 영상 생성장치 및 그 방법
