计算机断层成像(Computed Tomography,CT)能够提供具有高时间分辨率、空间分辨率以及密度分辨率的断层图像,在临床疾病的诊断和图像引导的治疗中受到广泛应用。然而,CT扫描中所潜在的辐射风险也受到越来越多的关注。根据辐射防护最优化的ALARA原则(As Low As Reasonable Achievable,ALARA),如何采取有效的措施优化成像方法以控制并减少辐射剂量,以期以最小的剂量代价获得最佳的CT诊疗效果,即低剂量CT精准成像,为医学CT追求的目标。降低管电流或者缩短曝光时间(low-mAs)能够直接降低CT扫描辐射剂量,但会产生光子饥饿,使得滤波反投影(Filtered Back-Projection,FBP)方法重建图像质量退化,伴有大量噪声和伪影,难以用于临床诊断。因此,面向low-mAs的稳健低剂量CT图像重建方法是CT领域研究的前沿技术。统计迭代重建方法作为低剂量CT精准成像最具代表性的技术,其将投影数据的统计特性与图像的本源性先验信息融入在统一的重建框架内,可以实现low-mAs扫描条件下高分辨图像的稳健重建。然而,己有统计迭代重建方法多采用简单的图像先验假设,如图像稀疏特征等,未能充分刻画CT图像本源性特征信息。囿于此,本文从构建CT图像本源性特征入手,重点研究统计迭代重建模型中的先验项,即正则化项,以实现低剂量CT精准成像,主要开展了以下三项工作:(1)鉴于图像纹理是辨识病变组织的重要影像特征,我们提出了区域纹理保持的低剂量CT图像重建方法。该方法从先前扫描的正常剂量图像中按区域提取典型纹理信息,继而构建反映区域纹理特征的正则化项,通过将其融入迭代重建框架,从而来实现保纹理的优质CT图像重建。该方法能够更有效的引入先验图像的纹理信息,自适应地来刻画低剂量CT图像中的纹理和结构信息,同时不需要图像分割和图像配准的操作,提高了算法的鲁棒性。(2)为了合理的引入先验信息,同时能够更好地保持图像区域结构的一致性,我们提出了基于卷积稀疏编码的低剂量CT图像重建方法。该方法利用卷积稀疏编码构建了正常剂量图像与低剂量图像之间的映射关系,然后通过该映射关系,可以得到当前低剂量CT图像的先验图像,进而来引导低剂量CT图像的重建。该方法能够有效地引入先验信息,并且弱化了图像分割和配准等操作对重建结果的影响。此外,由于卷积稀疏编码能够针对图像整体进行操作,避免了将图像分为互相重叠的图像块,因此该方法在保持图像结构的一致性上具有优势,能够更好地保护图像中的细节信息。(3)脑灌注CT成像是CT应用的最典型代表,可以计算脑血流动力学参数等功能信息,实现脑卒中发病区域的准确定位。然而灌注CT为时序动态扫描,需对同一位置进行重复扫描,辐射剂量极大。鉴于灌注CT图像的时序特性,我们提出了基于加权拉普拉斯分布的时序结构特性保持的低剂量脑灌注CT图像恢复方法。该方法利用加权拉普拉斯分布来描述灌注序列图像在时间维度上的结构稀疏性,实现了时序特性保持的低剂量脑灌注CT图像恢复。此外,该方法将噪声的估计和图像结构稀疏性的描述融入到统一的框架之中,能够根据不同的数据自适应的优化参数,具有很好的适应性。实验结果表明,本文所提出的区域特性保持的CT图像迭代重建和恢复方法,具有良好的实用性和鲁棒性,为低剂量CT精准成像提供了重要的方法学支持。