Cet article propose MI-ND, un nouveau modèle de débruitage des images médicales. MI-ND intègre des architectures de convolution et de transformation multi-échelles, et introduit un estimateur de niveau de bruit (NLE) et un module d'attention adaptative au bruit (NAAB) pour obtenir un contrôle de l'attention canal-spatial sensible au bruit et une fusion de caractéristiques intermodales. Les résultats expérimentaux obtenus à partir de divers ensembles de données accessibles au public démontrent que la méthode proposée surpasse significativement les méthodes comparables en termes de mesures de qualité d'image telles que PSNR, SSIM et LPIPS, et améliore les scores F1 et ROC-AUC lors des tâches diagnostiques ultérieures, démontrant ainsi sa valeur pratique et son potentiel. Elle démontre également des performances exceptionnelles en termes de récupération structurelle, de sensibilité diagnostique et de robustesse intermodale, offrant une solution efficace pour l'amélioration des images médicales et le diagnostic et le traitement basés sur l'IA.
