与传统的降噪方法相比，基于深度学习的降噪算法能够对未见过的噪声类型进行降噪处理，提升了降噪后的图像的视觉质量。但深度学习网络需要大量的图片进行训练，而生物医学实验中往往没有大量的样本提供给神经网络学习。针对这种情况，提出了一种零样本学习的卷积神经网络，神经网络通过下采样技术生成不同的图片与噪声图片一起供残差网络学习，残差网络中的损失函数使用了残差损失、正则化损失和制导损失相结合的方式，同时在卷积层中加入注意力机制。在噪声标准差为10、25和50的情况下，算法的峰值信噪比为35.43dB、29.93dB和24.81dB。通过与其他降噪算法进行实验对比，本算法在噪声较小的情况下具有更优的降噪效果，在高噪声环境下也表现出与其他模型相当的性能，证明了其在有限样本情况下的高效性和稳定性。