计算机断层扫描（CT）在现代医学无创诊断体系中占据不可替代的地位，频繁接受 CT 扫描却可能增大患癌及其他疾病发生概率， 降低辐射剂量因而成为亟待解决的核心问题，低剂量场景下，经典成像方法往往导致重建图像出现大量噪声与伪影，直接影响诊断准确性。 本文专注于基于深度学习的新型低剂量 CT 图像重建算法研究，在深入解析现有算法特性与局限的基础上，设计出创新算法框架，全面阐述 其核心原理与具体实现流程，通过对比实验验证新算法在提升重建图像质量、有效抑制噪声及减少伪影方面展现的显著优势，为相关技术 的临床转化应用提供可靠理论依据与实践支撑。