锥形束计算机断层扫描(Cone-beam Computed Tomography,CBCT)是一种直接获得三维医学图像的成像技术。但是过高的电离辐射剂量会增加人体患癌的风险。虽然减少锥形束CT投影数据数量能够有效降低患者所受的电离辐射,但会导致重建出的锥形束CT图像质量大幅下降。因此,如何在低剂量CT(Low-Dose CT,LDCT)的情况下重建出符合临床诊断需要、高质量的锥形束CT图像具有重要研究价值。为了提高有限角度锥形束CT的重建图像质量,本文提出了基于三维对抗性生成网络的有限角度锥形束CT重建算法。本章算法可分为三个阶段,数据预处理、训练阶段和CT重建阶段。在数据预处理阶段,有限角度的CBCT三维投影数据切割为低维度的三维投影数据矩阵块,作为训练阶段的输入数据。在训练阶段,生成网络目的是生成真实的缺失投影数据,而判别网络是分辨出投影数据的真假。在有限角度锥形束CT图像重建阶段,新的有限角度CBCT投影数据经过数据预处理切割为低维度的三维投影数据矩阵块,将其作为训练好的三维生成网络的输入数据。训练好的生成网络能够估计出缺失的投影数据部分,然后将补全的多个三维投影数据矩阵块按顺序堆叠,得到补全的CBCT投影数据。最后利用补全的投影数据即可重建出锥形束CT图像。实验结果表明,当扫描角度方向上缺失投影数据时该方法有效提高重建CT图像质量。其次,为了提高稀疏投影数据的锥形束CT图像重建质量,本文提出了基于三维对抗性生成网络的稀疏采样锥形束CT重建算法。本章算法可分为三个阶段,数据预处理、训练阶段和CT重建阶段。在数据预处理阶段,通过将稀疏采样CBCT三维投影数据处理为低维度的三维稀疏投影数据。在训练阶段,将处理后的三维稀疏投影数据作为输入来训练生成网络。在CT重建阶段,将新的数据预处理之后的三维稀疏投影数据输入到训练好的生成网络来估计稀疏投影数据的缺失部分。最后,将生成网络估计出的投影数据与CBCT稀疏投影数据相结合得到补全完整的CBCT三维投影数据,并通过FDK(Feldkamp Davis Kress)算法重建出稀疏采样下的锥形束CT图像。实验结果表明,在扫描角度方向上进行稀疏采样时该方法仍能有效提高重建CT图像质量。