摘要目的 探讨 80 kV深度学习图像重建(DLIR)算法在冠状动脉CT血管造影(CCTA)中的应用价值.方法 将接受心脏CCTA检查的 60 例患者按扫描方案分为 100 kV组(A组,n=30)和 80 kV组(B组,n=30).A组采用 60%权重自适应统计迭代重建-Veo(ASIR-V)算法(A-AV60)、DLIR算法(A-DLIR);B组采用DLIR算法(B-DLIR).记录 2 组的CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP),计算有效辐射剂量(ED).将感兴趣区(ROI)分别置于主动脉根(AR)、左前降支(LAD)、左回旋支(LCX)、右冠状动脉(RCA)及同层胸前脂肪区域,记录各ROI的CT值、噪声值,计算信噪比(SNR)和对比噪声比(CNR).主观评价 2 组经 2 代冻结技术后的原始轴位、曲面重建(CPR)、容积再现(VR)重建和最大强度投影(MIP)重建,并且对 2 组图像进行主观质量评价.结果 B组较A组ED降低 45.14%.B-DLIR中AR、LAD、LCX、RCA的CT值均高于A-AV60 及A-DLIR,比较差异均有统计学意义(P均<0.001).A-DLIR与B-DLIR相比,AR、LAD、LCX的噪声值相近,仅在RCA中比较差异有统计学意义(P<0.05);A-DLIR与B-DLIR的噪声值均小于A-AV60,比较差异均有统计学意义(P均<0.001).A-DLIR与B-DLIR中AR、LAD、LCX、RCA的SNR、CNR相近,均高于A-AV60(P均<0.05).B-DLIR主观图像质量平均分高于A-AV60(P<0.05),但低于A-DLIR(P<0.05).A-DLIR与B-DLIR的清晰度、伪影、小分支可见度比较差异均无统计学意义(P均>0.05).结论 在CCTA检查中,采用 80 kV DLIR算法有助于获得质量更优的图像,进一步提高诊断效能,且可减少有效辐射剂量.