针对采用时域滤波器进行解析重建导致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，在图像域构建网络来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损失函数基础上引入多尺度结构相似度损失函数来组成复合损失函数，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方法的有效性，相较滤波反投影（FBP）算法、全变分（TV）算法及图像域残差编解码CNN（RED-CNN）算法，所提算法在投影数目分别为180和90个时，重建结果图像信噪比（PSNR）和结构相似度（SSIM）高，且均方根误差（RMSE）小。实验结果表明，所提方法可以提高CT图像重建图像质量，是一种可行且有效的方法。