目的 探讨深度学习全模型迭代算法(AIIR)用于卵巢肿瘤术前低剂量CT的价值。方法 前瞻性对70例卵巢肿瘤先后行腹盆腔常规(120 kVp, 200 mAs)及低剂量(120 kVp, 40 mAs)门静脉期扫描，对常规剂量图像采用混合迭代重建(HIR)(A组),对低剂量图像采用HIR(B组)及AIIR(C组);比较3组图像主、客观评价结果，记录基于各组图像诊断周围器官侵犯及腹膜转移准确率，以及低剂量与常规剂量扫描的辐射剂量。结果 图像显示肿瘤边界及分隔、肿瘤与周围器官分界清晰度的主观评分，以及肿瘤与腰大肌信噪比和对比度噪声比均依B组、A组、C组次序而升高(P均(0.017);A组与C组显示肿瘤供血血管清晰度主观评分差异无统计学意义(P=0.435),且均高于B组(P均(0.017)。基于A、B、C组诊断周围器官侵犯的准确率分别为83.87%(52/62)、72.58%(45/62)及83.87%(52/62),诊断腹膜转移的准确率分别为85.71%(60/70)、78.57%(55/70)及84.29%(59/70)。相比常规剂量CT,低剂量CT有效剂量降低79.70%(2.60 mSv vs. 12.81 mSv,P(0.001)。结论 AIIR可提高卵巢肿瘤低剂量CT图像质量和转移诊断效能。