أجهزة اكتساب الصور الطبية عرضة لإنتاج صور ضبابية نتيجة للحركة التنفسية والحركات الحركية للمرضى. وعلى الرغم من التأثير الكبير الذي تُحدثه هذه العوامل على عملية إزالة الضبابية العمياء، إلا أن مجال إزالة الضبابية من الصور الطبية ما زال يعاني من قلة الاهتمام. تقدم هذه الدراسة شبكة عميقة متسلسلة على نطاق متعدد (end-to-end scale-recurrent deep network) لتعلم إزالة الضبابية من الصور الطبية متعددة الأنواع. تتكوّن الشبكة المقترحة من كتلة مكثفة مُعادلة جديدة (residual dense block) تُدمج انتباهًا مكانيًا غير متماثل، بهدف استعادة المعلومات البارزة أثناء تعلم إزالة الضبابية من الصور الطبية. وقد تم تقييم أداء الطريقة المقترحة بشكل مكثف ومقارنتها مع الطرق الحالية لإزالة الضبابية. تُظهر نتائج التجارب أن الطريقة المقترحة قادرة على إزالة الضبابية من الصور الطبية دون إظهار عيوب بصرية مزعجة. علاوةً على ذلك، تتفوّق هذه الطريقة على الطرق العميقة لإزالة الضبابية من حيث التقييم الكمي والكيفي بفارق ملحوظ. كما تم التحقق من مدى تطبيقية الطريقة المقترحة من خلال دمجها في مهام تحليل الصور الطبية المختلفة، مثل التجزئة والكشف. تساعد طريقة إزالة الضبابية المقترحة في تسريع أداء هذه المهام من خلال إزالة الضبابية من المدخلات الطبية الضبابية.