摘要

图像去噪在医学图像分析中扮演着至关重要的角色。在许多情况下，通过提升噪声图像的视觉感知质量，去噪技术能够显著加速诊断流程。然而，尽管医学图像去噪具有广泛的应用前景，现有方法在应对多学科医学图像中多样化的噪声类型方面仍存在明显不足。本研究通过从大量数据样本中学习残差噪声，有效缓解了这一复杂的去噪挑战。此外，所提出的方法引入了一种新型深度网络架构，通过利用称为注意力机制的特征相关性，并结合空间精细化的残差特征，显著加速了模型的学习过程。实验结果表明，无论在定量还是定性评估中，该方法均显著优于现有技术。同时，该方法具备处理真实世界图像噪声的能力，可在不引入任何视觉上令人不适伪影的前提下，有效提升多种医学图像分析任务的性能。