计算机断层扫描是一种轴向扫描技术,是疾病检测和诊断中应用广泛的无创成像技术之一。CT扫描使用X射线反复扫描被测患者的某个部位,然后将探测器获取的数据作为输入供计算机重建图像,具有速度快、精度高、扫描时间短等优点。然而,CT扫描过程中高剂量辐射会对人体造成一定程度的危害,诱发遗传性、癌症等疾病,这是患者和研究者非常关注的问题。而低剂量CT扫描技术会增加重建图像中的噪声和伪影,影响医师的诊断结果。因此,在降低辐射剂量时获取满足临床需求的图像质量已成为医学影像学领域的一个重要研究方向。本文的主要贡献如下:（1）传统的基于深度网络算法中,同一层中的特征通道间的地位是平等的,影响信息的提取。为此,提出了一种用于低剂量CT图像去噪的注意机制U-Net网络（DAU-Net）。为了提高网络识别噪声和图像内容的能力,在该网络中引一种注意机制,这种注意机制由通道注意模块和像素注意模块组成,通过将两种注意模块捕获的不同特征信息进行有机融合,可以获得更好的特征表示。此外,该网络可以有效地结合浅层和深层的特征,以避免细节的丢失。通过实验对比,该模型对伪影和噪声的去除都有很好的效果,对低剂量CT噪声去除有了进一步的提升。（2）提出了一个多尺度注意残差U-Net网络（MARU-Net）,用于低剂量CT图像去除伪影和噪声。在该网络引入多尺度特征编码块和注意机制来感知更多的相关信息,提升性能。首先,为了获取更丰富的特征信息,在编码器中引入了多尺度特征编码块以提取不同尺度的伪影特征,并把这些融合特征级联到解码器以避免信息丢失。其次,引入像素注意机制增强网络的特征提取能力,以提高网络性能。通过主观分析和客观评价指标得分对图像质量进行评价,验证了提出的去噪方法能显著提高图像质量,可以在保持低剂量CT图像纹理和边缘信息的,获得较好的噪声抑制效果。