本研究では、慣性閉じ込め核融合（ICF）における中性子画像のノイズ除去手法を提案しています。中性子画像は、ナショナルイグニッションファシリティ（NIF）でのICFイベントの分析において重要ですが、ガウスノイズやポアソンノイズなどの異なるノイズによって画質が損なわれることが多いです。従来のフィルタリング技術ではノイズの処理が困難であったため、データ駆動型のアプローチが求められていました。近年、合成データの生成の進歩により、機械学習による新たなノイズ除去手法の探求が可能になりました。本研究では、Cohen-Daubechies-Feauveau（CDF 97）ウェーブレット変換を用いた教師なしオートエンコーダを実装し、混合ガウス-ポアソンノイズの除去を行っています。この手法は、中性子画像データのノイズを効果的に除去し、再構築誤差を低減し、エッジ保持メトリックが優れていることを示しました。結果として、ICF実験の三次元再構築分析における新たな進展が期待されます。