CT系统重建是CT成像流程的核心环节，本质是利用计算机算法，将探测器采集的、人眼无法直接解读的原始投影数据（即X射线穿透人体后的衰减信号集合，也称正弦图），反向推导出人体扫描断层内每个体素的X射线衰减系数，最终转化为清晰、可用于临床诊断的断层图像的过程。

简单来说，CT扫描时，X射线管与探测器围绕人体从数百至上千个不同角度旋转，探测器捕捉到的只是不同角度下射线的衰减信息（类似“影子数据”），而非直接的人体内部结构图像；CT系统重建就是通过数学运算“还原”这些数据背后的人体解剖结构，解决传统X线图像中组织结构重叠的问题，清晰呈现器官、骨骼等细节。

其核心逻辑是解决一个“逆问题”——已知不同角度的射线衰减测量值，反向求解每个体素的密度信息，这一过程需依赖特定重建算法，常见的有：

1、滤波反投影法（FBP）：传统CT的主流算法，先对原始投影数据进行滤波处理以消除模糊和伪影，再进行反投影运算，具有重建速度快、图像质量稳定的优势，缺点是低剂量扫描时噪声会明显增加；

2、迭代重建法：通过多次迭代，将假设的初始图像投影值与实际测量值对比、校正，最终收敛到最优解，能在降低辐射剂量的同时减少图像噪声，目前应用日益广泛；

3、基于模型的重建法：结合成像物理模型和人体组织先验知识进行重建，进一步提升图像质量与剂量控制效果。

CT系统重建的质量直接决定CT图像的清晰度、分辨率和伪影多少，不仅影响病变（如肿瘤、骨折、炎症）的检出率，还与辐射剂量控制密切相关——优质的重建算法可在降低辐射剂量的同时，保证图像满足临床诊断需求，契合CT检查的“ALARA原则”（尽可能低剂量）。