【摘要】 目的 探讨80 kV深度学习图像重建(DLIR)算法在冠状动脉CT血管造影(CCTA)中的应用价值。方法 将接受心脏CCTA检查的60例患者按扫描方案分为100 kV组(A组，n = 30)和80 kV组(B组，n = 30)。A组采用60% 权重自适应统计迭代重建-Veo(ASIR-V)算法(A-AV60)、DLIR算法(A-DLIR)；B组采用DLIR算法(B-DLIR)。记录2组的CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP)，计算有效辐射剂量(ED)。将感兴趣区(ROI)分别置于主动脉根(AR)、左前降支(LAD)、左回旋支(LCX)、右冠状动脉(RCA)及同层胸前脂肪区域，记录各ROI的CT值、噪声值，计算信噪比(SNR)和对比噪声比(CNR)。主观评价2组经2代冻结技术后的原始轴位、曲面重建(CPR)、容积再现(VR)重建和最大强度投影(MIP)重建，并且对2组图像进行主观质量评价。结果 B组较A组ED降低45.14%。B-DLIR中AR、LAD、LCX、RCA的CT值均高于A-AV60及A-DLIR，比较差异均有统计学意义(P均< 0.001) ......