Исследование относится к теме анализа и обработки изображений с использованием вычислительных средств, а именно к способам очистки изображений от шумов при помощи нейронных сетей. Задачей являлось снижение уровня спекл-шума на ультразвуковых медицинских изображениях. Обсуждается природа возникновения и способы моделирования спекл-шума, а также варианты создания обучающих наборов данных. Для решения задачи были разработаны две нейронные сети с архитектурой автоэнкодера и с упрощенной версией сети UNet. Для обучения использовались входные данные из набора Breast Ultrasound Images Dataset и образцовые выходные данные, полученные с помощью алгоритма шумоподавления SCUNet. В результате на тестовых данных получено среднее улучшение метрики PSNR для первой сети 2 дБ, а для второй сети 9 дБ.