本文介绍了多种基于深度学习和张量算法的计算机断层成像（CT）重建方法，旨在减少金属伪影并提高图像质量。研究涵盖能量选择性CT、无监督密度神经表示和双能CT成像技术，显示出在准确性和视觉质量上的显著提升，具有重要的临床应用潜力。

本研究提出了多种基于深度学习的CT图像重建方法，包括运动补偿迭代重建技术（MIRT）和无监督密度神经表示（Diner），旨在提高图像质量、减少金属伪影和降低辐射剂量。这些方法在不同应用场景中表现出色，具有广泛的临床潜力。

本文提出了一种无监督金属伪影减弱方法，利用扩散模型去除金属伪影，实验证明其在综合和临床数据集上优于现有方法。研究开发了MARformer和DTEC-Net等新技术，显著提高了金属伪影的减少效果和图像质量。

本文研究了一种通过非线性正演模型直接从原始测量数据中重建信号的技术，能减少金属伪影。