提出一种基于多通道交叉卷积UCTransNet（MC-UCTransNet）的图像域双材料分解方法。该网络以UCTransNet为基础架构，采用通道交叉融合转换器和通道交叉注意模块来提高基材料分解性能，实现双输入双输出的端到端映射。网络中通道交叉融合模块和通道交叉注意模块可更好地捕捉复杂的通道信号相关性，以更充分地进行特征提取与融合，实现基材料生成路径之间的信息交换。为进一步提高模型的拟合性能，网络训练时采用混合损失及Sigmoid函数的归一化方法。实验结果表明，在骨骼基材料及软组织碘基材料分解任务中，所提方法能获得优质的基材料图像，与对比方法相比，其分解后的基材料图像在准确度及噪声伪影抑制上表现更好。

针对双能计算机断层成像（DECT）图像重建算法中的非线性投影分解问题，提出一种基于等值线拟合的快速投影分解算法。建立高、低能投影线性近似的等值线拟合模型；基于泰勒级数展开，采用粗粒度正向计算、细粒度反向求解方法，获得高精度的解析解，生成等值线方程；将高、低能投影非线性联合求解问题转化为求解高、低能等值线的交点问题，从而实现双能投影的快速分解。实验结果表明，该方法避免了非线性迭代求解和投影查表匹配，在减小投影分解噪声波动的同时，显著提高了投影分解速度，与投影匹配方法相比分解速度提高约两个数量级。