OBJECTIF - Évaluer la qualité d'image et l'acceptabilité clinique d'un algorithme de reconstruction par apprentissage profond (DLR) comparativement aux algorithmes de reconstruction itérative (RI) traditionnels. MÉTHODE - Les acquisitions tomodensitométriques ont été réalisées avec deux fantômes et un total de neuf niveaux de dose. Les images ont été reconstruites avec deux types d'algorithmes de RI, avec la DLR et avec la rétroprojection filtrée. La résolution spatiale, la texture de l'image, la valeur moyenne du bruit et la détectabilité objective et subjective à faible contraste ont été comparées. Dix radiologues seniors ont évalué l'acceptabilité clinique de ces algorithmes en notant dix examens scanographiques reconstruits avec la DLR et avec les algorithmes de RI évalués. RÉSULTATS - Par rapport à la reconstruction basée sur modèle (MBIR), la DLR a produit un bruit plus faible et un index de détectabilité à faible contraste plus élevé aux faibles doses (CTDIvol ≤ 2,2 et ≤ 4,5 mGy, respectivement). La résolution spatiale et la détectabilité aux doses plus importantes étaient meilleures avec la MBIR. Comparativement à la reconstruction itérative hybride (HIR), la DLR a produit une résolution spatiale plus élevée, un bruit plus faible et un index de détectabilité plus élevé. Malgré ces différences de performances entre les algorithmes, aucune différence significative en termes de performances subjectives à faible contraste n'a été trouvée (p ≥ 0,005). La texture de la DLR était plus fine que celle de la MBIR et plus proche de celle de la HIR. Les radiologues ont préféré les images de la DLR pour tous les critères évalués (p < 0,0001), tandis que la MBIR était moins bien notée que la HIR (p < 0,0001) pour tous les critères évalués, à l'exception du bruit (p = 0,044). Le temps de reconstruction de la DLR était 12 fois plus rapide que celui de la MBIR. CONCLUSION - La DLR a permis d'obtenir un gain de détection objective et de réduction du bruit aux niveaux de dose les plus faibles avec la meilleure acceptabilité clinique parmi les algorithmes de reconstruction évalués.