目的 探讨基于深度学习图像重建算法在优化100kV冠状动脉图像质量中的应用价值。方法 收集我院2023年5月至2023年8月行冠状动脉检查患者42例，采用管电压100kV，智能管电流调制技术(Smart mA)，扫描完成分别重建FBP、50%ASIR-V、70%ASIR-V和深度学习图像重建不同级别降噪(DLIR-L、DLIR-M、DLIR-H)图像，分别测量六组图像主动脉根部、左主干、左前降支、左回旋支及右冠状动脉CT值及SD值，计算信噪比(SNR)和对比噪声比(CNR)。由两名具有五年工作经验的医生采用五分法分别对图像质量进行主观评价。结果 六组图像噪声(SD值)、SNR值及CNR值间差异均具有显著统计学意义(P<0.001)。随着重建算法FBP、50%ASIR-V、70%ASIR-V、DLIR-L、DLIR-M、DLIR-H依次变化，冠状动脉SD值逐渐降低、SNR值逐渐升高，其中70%ASIR-V和DLIR-L、DLIR-M、DLIR-H重建SD值显著低于FBP(P<0.001)，而SNR值和CNR值显著高于FBP(P<0.05)，且DLIR-H重建算法SD值最低、SNR值和CNR值最高。两名医师主观评分具有良好一致性(kappa值＞0.75，P值＜0.001)，冠状动脉DLIR-M和DLIR-H重建算法主观评分显著高于FBP、50%ASIR-V、70%ASIR-V、DLIR-L(P<0.001)，且DLIR-H重建算法主观评分最高。结论 深度学习图像重建算法(DLIR)可以显著降低100kV冠状动脉图像噪声并优化图像质量，其中DLIR-H重建优化冠状动脉图像质量效果最佳。