この研究は、深層学習を使用して超音波データのビデオ翻訳を行う新しい生成的方法を提案しています。超音波データは、異なる視点や構造、さらには不均衡なサブモダリティ（グレースケールとカラーフローニューロスなど）のために挑戦的です。本研究では、54,975本のビデオを用いて訓練され、8,368本でテストされた超音波のCFD（カラー流量ドプラ）からグレースケールへのビデオ翻訳を行いました。この手法は、解剖構造の再構築とノイズ除去のための2つのネットワークを活用し、リアルな超音波画像を実現しています。合成されたビデオは、臨床の専門家によってもリアルなものと区別ができないほどの性能を示し、医療画像処理のデータセット設計における新たな可能性を広げるものです。