“低剂量计算机断层扫描（LDCT）图像质量受噪声与伪影影响，现有深度学习方法存在不足。专家提出基于深度强化学习的高分辨率重建框架HRDRL-Net，将LDCT去噪任务建模为序列决策过程，采用异步优势动作评价算法训练智能体，构建双路径多分支协同架构与低剂量噪声抑制模块，设计复合奖励函数引导智能体学习自适应去噪策略。实验表明，HRDRL-Net在Mayo与Piglet数据集上重建图像的定量指标优于主流基线方法，为LDCT图像质量改善提供新方案。”