目的 探究深度学习重建（DeepLearningImageReconstruction,DLIR）算法联合低剂量造影剂在腹部增强CT应用可行性。方法 收集因病情需要行上腹部CT增强扫描检查的128例患者随机分成两组，每组64例，行能谱CT腹部增强检查，扫描参数一致。常规剂量组扫描采用1.5ml/kg比剂用量，多模型自适应统计迭代重建（AdaptiveStatistical IterativeReconstruction,ASIR）算法进行重建，ASIR迭代率选取60%。低剂量组扫描采用1.0ml/kg对比剂用量，并用不同水平DLIR算法进行重建分组，包括A组中强度深度学习图像重建（Deep Learning Image Reconstruction-Medium,DLIR-M）、B组高强度深度学习重建（DeepLearningImageReconstruction-Medium,DLIR-H）。对比分析不同重建算法图像间的各项客观评价指标[噪声、对比度（Contrast to Noise Ratio,CNR）、信噪比(Signal to Noise Ratio,SNR)]和主观评价指标（噪声、整体图像质量）。结果 客观评价，常规剂量组、低剂量A组、低剂量B组图像的噪声逐渐减低，各组两两比较差异均具有统计学意义（P (0.05）。常规剂量组、低剂量A组、低剂量B组图像的SNR肝脏、SNR胰腺、CNR肝脏、CNR胰腺逐渐升高，其中常规剂量组与低剂量A组间差异无统计学意义，其余各组间的差异具有统计学意义。主观评价上，常规剂量组、低剂量A组、低剂量B组的主观噪声和总体图像质量评分大多数情况下都超过4分，均能满足临床诊疗的需求。主观噪声评分逐渐升高，各组两两比较差异均具有统计学意义（P (0.05）。主观图像质量评分方面，低剂量B组评分高于低剂量A组、常规剂量组，差异具有统计学意义（P (0.05）。结论 采用DLIR算法联合低剂量造影剂获得的影像图像质量要优于ASIR算法结合常规剂量造影剂，并能够满足日常诊断的需求，同时还能将所需造影剂量减少三分之一左右。