目的:评价基于深度学习图像重建算法（deep learning image reconstruction,DLIR）相对于滤波反投影重建算法（filtered back projection,FBP）和基于多模型的自适应统计迭代重建算法（adaptive statistical iterative reconstruction-veo,ASIR-V）,在腹部动态增强扫描中对胰腺、门静脉、肾脏及肾静脉CT图像质量的改善价值。方法:回顾性收集在青岛大学附属青岛市市立医院行常规腹部CT增强扫描检查的患者96例,将所得图像分别采用DLIR、FBP及ASIR-V重建图像,其中深度学习重建算法采用低、中、高三个水平等级进行图像重建,迭代重建算法采用30%ASIR-V、70%ASIR-V两个等级进行图像重建,将每个部位所得六种重建算法图像分别由两名放射科高年资主治医师采用双盲法进行主观评价,评价内容包括图像噪声、对比度及细微结构的显示。通过分别测量每个研究部位不同重建算法图像的CT值、标准偏差值（standard deviation,SD）、信噪比（signal to noise ratio,SNR）和对比噪声比值（contrast to noise ratio,CNR）,并对六种重建算法进行两两组间比较,来观察不同重建算法对图像质量的影响。结果:胰腺、门静脉、肾脏及肾静脉的DLIR-L、DLIR-M、DLIR-H、FBP、30%ASIR-V、70%ASIR-V各六组图像的主观评分之间差异均有统计学意义（P＜0.001）。在主观评分中,两位医师具有较好的一致性,Kappa值≥0.69,其中DLIR-M图像的主观评分最高,DLIR-H图像次之。所研究各部位六种重建方法图像的SD值、SNR值及CNR值差异均存在统计学意义（P＜0.001）,其中DLIR-H图像的SD值最低,SNR值及CNR值最高。在本研究重建图像中,各靶器官的图像评价变化趋势相同,以胰腺体部为例,随着DLIR重建等级的增加,图像SD值较30%ASIR-V减低22.43%、37.86%、54.46%,SNR值及CNR值较30%ASIR-V图像分别提升了28.62%、60.42%、117.67%,27.86%、59.20%、112.93%,主观评分也均高于30%ASIR-V的重建方式。70%权重的ASIR-V重建方式图像显示过于平滑,主观感受不及DLIR者。结论:与传统的FBP和现行的ASIR-V相比较,DLIR能够显著降低图像的噪声和伪影,提高SNR和CNR,改善结构细节的显示,从而提升了整体图像质量及增加医生的诊断信心。因此,结合图像的主观评价和客观评价,DLIR能够用于提升针对低对比度的腹部CT图像质量,具有较好的临床应用前景。