近年来，生成对抗网络（GAN）用于低剂量CT（LDCT）伪影抑制表现出一定性能优势，已成为该领域新的研究热点。由于伪影分布不规律且与正常组织位置息息相关，现有GAN网络的降噪性能受限。针对上述问题，提出了一种基于伪影感知GAN的LDCT降噪算法。首先，设计了伪影方向感知生成器，该生成器在U型残差编解码结构的基础上增加了伪影方向感知子模块（ADSS），从而提高生成器对伪影方向特征的敏感度；其次，设计了注意力判别器（AttD）来提高对噪声伪影的鉴别能力；最后，设计了与网络功能相对应的损失函数，通过多种损失函数协同作用来提高网络的降噪性能。实验结果表明，与高频敏感GAN（HFSGAN）相比，该降噪算法的平均峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了4.9%和2.8%，伪影抑制效果良好。

针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题，提出了一种基于卷积神经网络（CNN）的时频域计算机断层扫描（CT）重建算法。首先，在频域中构建了基于卷积神经网络的滤波器网络，实现投影数据的频域滤波；其次，利用反投影操作算子对频域滤波后结果进行域转换得到重建图像；接着，在图像域构建网络对来自反投影层的图像进行处理；最后，在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数，减轻神经网络对结果图像的模糊效应，保留重建图像细节。图像域网络和投影域滤波网络联合作用，最终得到重建结果。在临床数据集上验证了所提算法的有效性，相较于滤波反投影（FBP）算法、全变分（TV）算法及图像域残差编解码CNN（RED-CNN）算法，当投影数目分别为180和90时，所提算法重建结果图像信噪比（PSNR）和结构相似度（SSIM）最高，且归一化均方根误差（NMSE）最小；当投影数目为360时，所提算法仅次于TV算法。实验结果表明，所提算法可以提高CT图像重建图像质量，是一种可行且有效的方法。

在正电子发射断层成像（PET）中，传统迭代算法会造成重建图像细节信息丢失或目标边界模糊。为了解决上述问题，提出一种基于相关系数和双向扩散结合的优质中值先验（MP）重建算法。首先，引入特征因子相关系数来表征图像局部灰度统计信息，构造出结合相关系数的双向扩散模型；其次，考虑到双向模型对背景和边缘区别处理的优点，将新模型应用到中值先验分布的最大后验重建算法中，形成基于双向扩散的中值先验重建算法。实验结果表明，该算法在去除噪声的同时能够较好地保持图像中的目标边界信息，信噪比（SNR）和均方误差（RMSE）的变化也能直观体现重建图像质量的提高。