目的 探讨深度学习图像重建（DLIR）在超低剂量肺部CT成像中的应用价值。方法 选取2024年3～4月在陕西中医药大学附属医院行肺部CT平扫患者66例。所有患者均采用GE Revolution CT扫描，固定管电压100 kVp，第1次采用噪声指数（NI）=15的常规辐射剂量扫描，滤波反投影算法重建图像；第2次采用NI=45的超低辐射剂量扫描，中、高等强度深度学习图像重建（DLIR-M、DLIR-H）进行对比。在3组重建图像上测量左上肺乏血供区域CT值与标准差值（SD）,SD代表噪声，计算信噪比（SNR）。由2位放射科诊断医师采用5分法进行主观评价，比较3组客观数值和主观评分。结果 NI=45组约减少93.7%辐射剂量；DLIR强度影响超低剂量条件下客观指标，DLIR-H较DLIR-M有更低的噪声，更高的SNR(P<0.05);2位医师对3组图像质量一致性评价好（Kappa值为0.952、0.846、0.903）；对比3组图像质量评分、图像合格率及满意率，差异无统计学意义（P>0.05）。结论 在减少93.7%辐射剂量条件下，DLIR能够获得与常规剂量接近的肺部图像，进一步减低了肺部疾病筛查的辐射剂量。