Метою цього дослідження була оцінка ефективності модифікованої архітектури нейронної мережі кодер-декодер для шумозаглушення та покращення зображень з використанням синтетичних та реальних даних. Методологія дослідження базувалася на обчислювальному експерименті та включала навчання моделі на синтетичних зображеннях, кількісне порівняння отриманих результатів за допомогою методу f-x деконволюції та альтернативної моделі згорткового шумозаглушення, а також перевірку стійкості на реальних даних з наявністю різних шумових характеристик. Було виявлено, що застосований метод шумозаглушення характеризувався не тільки зменшенням шумової складової, але й збереженням просторово значущих характеристик зображення, включаючи різкість країв, локальні переходи, морфологію та відносне положення структурних елементів без ознак надмірного розмиття. Залежно від вхідних характеристик, метод супроводжувався зменшенням інтенсивного маскування шуму, зменшенням залишкового шуму зі збереженням чіткої структури сигналу та реконструкцією в умовах більш складної просторової організації перешкод. Спектральний аналіз виявив зменшення енергії шуму без порушення спектральної конфігурації в інформативному діапазоні частот.