過去数十年にわたり、コンピュータ断層撮影（CT）におけるX線被曝リスク低減の観点から、低線量CT画像のノイズ低減は研究者らの広範な関心を寄せられており、医療画像分野における重要な研究課題となっている。近年、深層学習技術の急速な発展に伴い、畳み込みニューラルネットワーク（CNN）をこのタスクに応用する多くのアルゴリズムが登場し、有望な成果が得られている。しかし、依然としてノイズ低減効率の低さや過度に滑らかになりすぎた結果といった問題が残っている。本論文では、エッジ強調に基づく密接接続型畳み込みニューラルネットワーク（EDCNN）を提案する。本ネットワークでは、新規に提案した学習可能なソーベル畳み込みを用いたエッジ強調モジュールを設計し、このモジュールを基に密接接続構造を構築することで、抽出されたエッジ情報を効果的に融合し、エンドツーエンドの画像ノイズ低減を実現している。さらに、モデルの学習において、MSE損失とマルチスケールの知覚損失を組み合わせた複合損失関数を導入することで、過度な滑らか化問題を緩和し、ノイズ低減後の画像品質に顕著な向上を達成している。既存の低線量CT画像ノイズ低減アルゴリズムと比較して、本研究で提案するモデルは、細部の保持性能およびノイズ抑制性能において優れた性能を発揮している。