目的:将深度学习图像重建（DLIR）算法与双能量CT（DECT）结合，评估胃癌低keV单能图像质量，并与常规自适应统计迭代重建（ASiR-V）算法图像进行比较。方法:该研究为横断面研究，前瞻性收集2022年9月至2023年3月郑州大学第一附属医院31例胃癌患者的DECT图像，基于动脉期和静脉期图像，使用DLIR算法分别在低、中、高强度水平下（DLIR-L、DLIR-M、DLIR-H）重建55 keV单能量图像，同时使用ASiR-V算法重建70 keV 40%混合系数（ASiR-V40%）图像。在图像客观评价中，分别在4组重建图像上计算病灶和肌肉的信噪比（SNR）、对比噪声比（CNR）。在图像的主观评价中，对各组重建图像的总体图像质量、病灶显示能力及诊断信心进行评分。4组间SNR和CNR的比较采用单因素重复测量方差分析或Friedman检验，评分的比较采用Friedman检验，用Bonferroni校正对事后两两比较进行调整。结果:在客观评价中，动脉期和静脉期55 keV DLIR-H图像上CNR 病灶、SNR 病灶以及SNR 肌肉最高，且在70 keV ASiR-V40%、55 keV DLIR-L、DLIR-M以及DLIR-H图像上呈逐渐升高的趋势（ P<0.05）。在主观评价中，与70 keV ASiR-V40%相比，55 keV DLIR-H的总体图像质量评分升高，但差异无统计学意义（ P>0.05），DLIR-M评分相似或略差，而DLIR-L图像质量评分下降（ P<0.05）。55 keV DLIR的各水平重建图像的病灶显示能力及诊断信心在动、静脉期均高于70 keV ASiR V40%图像（ P<0.05）。 结论:相比70 keV ASiR-V40%常规图像，55 keV DLIR-H图像具有更高的病灶对比度和诊断信心，且图像噪声更低。55 keV DLIR-M图像与70 keV ASiR-V40%的整体图像质量相当，但前者的病灶对比度和诊断信心更高。55 keV DLIR-L无法将图像质量提升至70 keV ASiR-V40%水平。