要約
画像のノイズ除去は、医療画像解析において重要な役割を果たしている。多くの場合、ノイズを含む画像の視覚的品質を向上させることで、診断プロセスを著しく高速化することが可能となる。しかし、医療画像のノイズ除去技術は広範な実用性を持つ一方で、多様な分野にわたる医療画像に見られる多様なノイズの種類に対処する点で、従来の手法には限界が存在する。本研究では、多数のデータサンプルから残差ノイズを学習することで、こうした困難なノイズ除去タスクを緩和している。さらに、特徴間の相関関係（アテンション機構）を活用した新たな深層ネットワークを導入することで、学習プロセスの高速化を実現した。このネットワークは、空間的に精緻化された残差特徴と組み合わせることで、より高精度なノイズ除去を可能にしている。実験結果から、本手法は定量的および定性的な両面で、既存の手法と比較して顕著な性能向上を示した。また、本手法は実世界の画像ノイズに対しても有効であり、視覚的に不快なアーティファクトを生成することなく、さまざまな医療画像解析タスクの性能を向上させることができる。