تلعب التنقية الصورية دورًا بارزًا في تحليل الصور الطبية. في العديد من الحالات، يمكنها تسريع عملية التشخيص بشكل كبير من خلال تحسين الجودة البصرية للصور الملوثة بالضوضاء. ومع ذلك، وعلى الرغم من التطبيق الواسع لتنقية الصور الطبية، تُظهر الطرق الحالية للتنقية عجزًا في التعامل مع الطيف المتنوع من أنواع الضوضاء التي تظهر في الصور الطبية متعددة التخصصات. تُخفّف هذه الدراسة من صعوبة هذه المهمة من خلال تعلّم الضوضاء المتبقية من خلال عينة كبيرة جدًا من البيانات. علاوةً على ذلك، تسرّع الطريقة المقترحة عملية التعلّم من خلال إدخال شبكة عميقة مبتكرة، حيث تستغل بنية الشبكة الارتباط بين الميزات المعروفة بآلية الانتباه (Attention Mechanism) وتدمجها مع ميزات متبقية محسّنة فرعيًا (Spatially Refined Residual Features). تُظهر النتائج التجريبية أن الطريقة المقترحة تتفوّق على الطرق الحالية بفارق كبير في المقارنات الكمية والكيفية على حد سواء. كما تُظهر القدرة على التعامل مع ضوضاء الصور الواقعية، وتحسين أداء مهام تحليل الصور الطبية المختلفة دون إنتاج أي تشوهات بصرية مزعجة.