Kurzfassung Neuronale Netzwerke werden in immer mehr Bereichen Angewendet. Ein Bereich, der von NeuronalenNetzwerkestarkprofitiert,istdieBildbearbeitung. DiePaper[RLGB17] und [ZZC+16] habenjeweilseinKonzeptentwickelt,beidemBildrauschenmitHilfeeinesspeziellenNeuronalen Netzwerks aus Bildern entfernt werden kann. Diese speziellen Neuronale Netzwerke werden faltende Neuronale Netzwerke genannt. In dieser Masterarbeit wird anhand dieser Konzepte zwei faltende Neuronale Netzwerke entwickelt und implementiert, die auf das Entrauschen von Röntgenbildern spezialisiert sind. Das erste faltende Neuronale Netzwerke ist konzipiert, die Rekonstruktion des rauschfreien Röntgenbild direkt zu lernen. Das zweite faltende Neuronale NetzwerkerekonstruiertdasRauschen.DiesesRauschenwirdvomverrauschtenBildabgezogen. DadurchentstehtdasrauschfreieBild.DiemitdenfaltendenNeuronalenNetzwerkeentrauschten RöntgenbilderenthaltenwenigerRauschenimVergleichmitdenRöntgenbildern, diedurchden ’Block-matching and 3D filtering’-Algorithmus entrauscht werden. Neben der Effektivität des faltendenNeuronalenNetzwerkswirdauchdieAuswirkungaufRöntgenbilderuntersucht, diefür eineRöntgenphasenkontrastbildgebungaufgenommenwordensind. DieseRöntgenbilderenthalten zufällige Strukturen, sogenannte Speckels. Diese dürfen nicht entfernt und deren Position nicht verändert werden, da sonst eine Röntgenphasenkontrastbildgebung nicht mehr möglich ist. Die Evaluierunghatergeben,dassdasEntrauschensolcherRöntgenbildereinVerschiebungderSpeckels zur Folge hat. Die Verschiebung ist umso geringer, je schwächer das Rauschen im verrauschten Bildist.SomitkönnenfaltendeNeuronalenNetzwerkenurbeiRöntgenphasenkontrastbildgebungen verwendetwerden, dieeinebestimmteVerschiebungtoleriert.