目的 针对牙科CBCT扫描中患者不自主运动导致的重建图像运动伪影问题，提出了一种基于深度模糊学习的牙科CBCT运动伪影校正算法（DMBL），以提升牙科CBCT的成像质量。方法 首先使用模糊编码模块提取运动退化特征，从而对运动导致的退化过程进行建模，然后将得到的运动退化特征输入伪影校正模块进行运动伪影去除。其中，伪影校正模块采用了图像模糊去除和图像模糊仿真的联合学习框架，可有效处理空间变化且随机的运动模式。为验证所提方法的有效性，本文分别在仿真运动数据集和临床数据集上进行对比实验。结果 仿真数据集实验结果表明，本文方法峰值信噪比提升了2.88%，结构相似性（SSIM）提升了0.89%，均方根误差（RMSE）减少了10.58%；临床数据集实验结果表明，本文方法取得了最高的专家主观图像质量评分4.417(5分制)，且与对比方法结果的评分具有显著性差异（P<0.001）。结论 本文提出的DMBL算法，通过构建深度模糊联合学习网络结构，能够有效地去除牙科CBCT图像中的运动伪影，实现高质量的图像恢复。