X射线计算机断层成像技术被广泛地用于医学检查、无损检测与安全检查等方面。不同于传统能量积分型探测器,光子计数探测器能够按照预设的能量阈值分能区对入射光子进行计数。因此,基于光子计数探测器的能谱CT系统通过一次扫描便可以获得多个能量下的投影数据,进而获得物质的信息。这在实际应用中有着极其重要的意义。因此,本文旨在解决螺旋轨道锥束能谱CT系统成像中的核心问题,并优化出一套完整可实用的重建方法。尽管能谱CT有着广泛的应用前景,但也存在着一些影响其实际使用的因素,其中包括光子计数探测器的串扰效应与脉冲堆积效应。针对能谱CT中的能谱信息解析,本文采用深度学习方法,通过分析系统前向投影过程的数学模型,创新性地提出了一种更加直观的动态网络结构。该结构改变了网络基础运算的规则,能够在同等参数量的情况下得到更低的虚拟单能重建误差以及更好的图像质量,为实际应用中的物质分辨提供了切实可行的方法。对于医学检查,螺旋CT由于轴（z）方向分辨率的优越性,应用场景最为广泛。为了降低患者所受辐射剂量,与常规降低管电流的做法不同,我们在本课题中关注探测器排方向稀疏的螺旋CT系统。该系统通过配合多缝准直器可以在降低辐射剂量的同时极大地降低探测器成本。针对此种系统的重建,本文基于深度学习方法,创新性地提出了双域端到端三维重建网络。该方法通过数据重排、逐层重建的方式解决了业内对于三维重建网络显存占用大、难以有效处理的问题。同时,该方法在实验中表现出了超越传统解析重建方法与迭代重建方法的效果,重建一层仅需500ms。针对医学图像恢复中的神经网络方法,为了提高输出图像的质量,我们从损失函数出发,提出了基于高质量CT图像先验的损失函数。该方法利用高质量CT图像训练特征提取器。然后,通过在训练好的特征空间度量后续任务网络输出与真值之间的距离,从而可以得到更高质量的图像。我们将本方法与业内主流损失函数进行了对比,并给出了实际应用中的选择建议。最后,我们将前述内容整合、优化为一套完整可实用的螺旋能谱CT重建方法,并对实际系统扫描的数据进行了验证,得到了令人满意的结果。