电子计算机断层扫描（Computed Tomography,CT）是一种高性能成像技术,由于CT无需破坏物体就可获得其内部结构图像,因此已被广泛应用于疾病诊断领域。CT的应用愈发广泛,诸多问题也随之显现,研究表明每年因接受过多辐射而引发癌症的患者多达数十万人,因此学术界的研究热点之一是使患者在接受更低辐射剂量的同时也能重建出高分辨率的CT图像。然而,重建的CT图像质量与CT剂量密切相关,利用传统算法重建的低剂量CT图像往往无法满足实际需要。此外,在一些特殊的应用环境下,传统的单能CT并不能满足人们的需要,而是需要利用鉴别能力更强的双能CT。如在安全检查领域,利用双能CT可以检查毒品、爆炸物等违禁品;在医学诊断领域,双能CT可以用于测量骨密度和肝脏中铁含量浓度。虽然双能CT已在众多领域得到广泛应用,但其还存在精度不高、伪影难以去除等问题,需要改进重建算法实现高质量的双能CT成像。本文的主要工作总结如下:（1）低剂量CT有两种实现方式:第一种为低曝光量CT,第二种为稀疏角度CT。迭代重建算法能够重建高质量的稀疏角度CT图像,但其也存在着重建速度慢,参数难以选取等问题,这限制了其在临床上的应用。针对这一问题,本文提出将基于交替方向乘子算法（Alternating Direction Method of Multipliers,ADMM）的迭代重建步骤展开成迭代重建网络的形式,利用迭代重建网络重建CT图像。根据泛化程度的不同,分为三种不同的ADMM网络。网络在训练阶段依靠数据驱动的方式,学习迭代重建步骤中的正则项、迭代参数等不定项,从而大大减小调参和构建模型的复杂度。最后,利用不同的评判标准来对所提出的网络结构的性能进行验证,实验结果证明:所提出的ADMM重建网络能够有效减少重建图像中的条状伪影,相比传统重建算法,ADMM重建网络重建的图像质量更高。（2）目前用于双能CT的重建网络都是基于单域的,即,在图像域或投影域进行重建。一般地,基于投影域的双能CT重建算法存在较严重的噪声问题,基于图像域的双能CT重建算法无法去除射束硬化类伪影。因此,在本文中提出了一种基于联合域的双能CT图像重建网络,该网络通过一个域转换模块将图像域子网络和投影域子网络结合起来,通过提取联合域的特征可以实现更高质量的双能CT图像重建。实验结果表明,相较于对比算法,本文提出的联合域重建网络重建的双能CT图像具有较少的伪影和较高的精度,并且所需的重建时间更短。