摘要目的 探究深度学习重建(Deep Learning Image Reconstruction,DLIR)算法联合低剂量造影剂在腹部增强CT应用可行性.方法 收集因病情需要行上腹部CT增强扫描检查的128例患者随机分成两组,每组64例,行能谱CT腹部增强检查,扫描参数一致.常规剂量组扫描采用1.5ml/kg比剂用量,多模型自适应统计迭代重建(Adaptive Statistical Iterative Reconstruction,ASIR)算法进行重建,ASIR迭代率选取60％.低剂量组扫描采用1.0ml/kg对比剂用量,并用不同水平DLIR算法进行重建分组,包括A组中强度深度学习图像重建(Deep Learning Image Reconstruction-Medium,DLIR-M)、B组高强度深度学习重建(Deep Learning Image Reconstruction-Medium,DLIR-H).对比分析不同重建算法图像间的各项客观评价指标[噪声、对比度(Contrast to Noise Ratio,CNR)、信噪比(Signal to Noise Ratio,SNR)]和主观评价指标(噪声、整体图像质量).结果 客观评价,常规剂量组、低剂量A组、低剂量B组图像的噪声逐渐减低,各组两两比较差异均具有统计学意义(P＜0.05).常规剂量组、低剂量A组、低剂量B组图像的SNR肝脏、SNR胰腺、CNR肝脏、CNR胰腺逐渐升高,其中常规剂量组与低剂量A组间差异无统计学意义,其余各组间的差异具有统计学意义.主观评价上,常规剂量组、低剂量A组、低剂量B组的主观噪声和总体图像质量评分大多数情况下都超过4分,均能满足临床诊疗的需求.主观噪声评分逐渐升高,各组两两比较差异均具有统计学意义(P＜0.05).主观图像质量评分方面,低剂量B组评分高于低剂量A组、常规剂量组,差异具有统计学意义(P＜0.05).结论 采用DLIR算法联合低剂量造影剂获得的影像图像质量要优于ASIR算法结合常规剂量造影剂,并能够满足日常诊断的需求,同时还能将所需造影剂量减少三分之一左右.