腹部CT检查因覆盖范围广、多期相扫描等特点，其辐射剂量的控制始终是临床难点。仅通过调整CT的硬件参数，往往难以在降低辐射剂量的同时保证图像质量，重建算法作为突破传统硬件限制的核心技术，在腹部低剂量CT领域展现出巨大潜力。本综述系统梳理了传统滤波反投影、迭代重建及深度学习图像重建算法在腹部低剂量CT中的发展历程、临床应用及局限性，并重点分析了主流算法ASIR-V、TrueFidelity^TM的技术原理、临床应用价值及潜在不足，旨在为临床选择最优重建方案提供理论依据，并为未来算法优化方向（如结合能谱CT、光子计数技术）提供参考。