本文探讨了高斯反卷积和最优传输理论在统计学中的应用，提出了一种新的无监督去噪学习标准，能够有效保留信号信息并实现感知重构。研究表明，该方法在复杂噪声条件下优于传统监督方法，具有更高的峰值信噪比。

该研究提出了一种结合全局与局部知识的超声图像去噪网络，通过细粒度改进提升图像质量。实验结果显示，该模型在定量指标和视觉性能上均表现优异。此外，研究还介绍了一种基于深度学习的无监督去噪方法，有效去除信号相关噪声，优于现有技术。