超音波検査は非侵襲的で、リアルタイム性に優れ、費用対効果が高い臨床診断技術として広く使用されています。しかし、固有のスペックルノイズによって画像品質が低下し、基礎となる解剖学的構造が不明瞭になることで、診断効果が著しく損なわれることがあります。既存のスペックル除去手法には、組織の境界を過度に平滑化してしまう問題があり、また異なるノイズレベルへの汎化性能に課題を抱えていました。 これらの制限を克服するため、研究チームはノイズ認識境界強化生成学習（NBGL）フレームワークを提案しました。このフレームワークは、注釈付き解剖学的境界を同時に保持しながら、変動するノイズレベルに適応することができます。NBGLは、スペックル除去ブランチと境界強化ブランチから構成されており、前者は生成学習によってスペックルノイズを抑制し、後者は目標となる解剖学的構造を保存するための境界に敏感な表現を学習します。 さらに重要な要素として、ノイズ認識相互作用重み生成（NIWG）モジュールが挙げられます。このモジュールは3次元ラプラシアンフィルタリングと中央絶対偏差推定器を使用してスペックルノイズレベルを推定し、それを適応的相互作用重みに変換します。この重みは重み付き特徴ワイズ線形変調（wFiLM）モジュールに組み込まれ、枝間の特徴結合を適応的に調整することで、異なるノイズレベルに対するロバスト性を向上させます。141個の3次元経膣超音波ボリュームを用いた広範な評価の結果、NBGLは6つのノイズレベルすべてにおいて、スペックル除去と構造保存の両面で最先端の手法を上回るパフォーマンスを示し、注釈付き解剖学的境界との一貫性も維持しています。