〔摘　要〕 目的 通过对比低辐射剂量的滤波反投影（FBP）图像与超低辐射剂量的深度学习重建（DLIR）图像，探讨不同等级的深度学习图像重建算法在超低辐射剂量中改善腹部CT平扫图像质量的可行性。方法 前瞻性收集85例行腹部CT平扫的患者，采用自身对照研究方法进行低剂量（LD）组和超低剂量（ULD）组扫描。LD组采用噪声指数10，运用FBP进行图像重建（LD-FBP组），ULD组采用噪声指数30，运用不同等级（低、中、高）的DLIR，将图像重建为（ULD-DLIR-L、ULD-DLIR-M、ULD-DLIR-H）3个亚组。在每组图像上测量和计算肝脏、脾脏、肾脏、主动脉、腰大肌、皮下脂肪的CT值、标准差值（SD）、信噪比（SNR）和对比噪声比（CNR），并记录有效辐射剂量（ED）。由2名放射科医师采用5分法对图像质量进行主观评价。结果 相对于LD-FBP组图像，ULD-DLIR-L组图像在肝脏、脾脏、肾脏、主动脉、腰大肌上的SNR和CNR值更低（P<0.001），ULD-DLIR-H组图像在肝脏、脾脏、肾脏、主动脉、腰大肌上的SNR和CNR值更高（P<0.001），ULD-DLIR-M组SNR和CNR值差异无统计学意义；主观评价上，ULD-DLIR-L和ULD-DLIR-M组评分低于LD-FBP组，ULD-DLIR-H组与LD-FBP组评分差异无统计学意义。ULD组的ED值比LD组降低约88%。结论 与LD-FBP组图像相比，ULD-DLIR-H组图像能显著降低SD值，提高SNR和CNR值，有效改善了腹部CT平扫的图像质量。