针对计算机断层成像中辐射剂量的暴露具有癌症诱发的潜在危险，以及单一数据在重建结果中易产生噪声残留、结构过度平滑等问题，提出基于两种不同数据域的低剂量CT图像多阶段联合降噪模型。在生成器第一阶段对低剂量投影数据采用残差U-Net模型进行正弦图恢复，在编解码过程通过嵌入跳跃连接为上采样增加多尺度信息，加快训练收敛速度。对去噪后投影图像用滤波反投影实现频域到空间域转换。在第二阶段利用多尺度卷积对CT重建图像再次去噪，丰富卷积多样性，提高重构精度。此外引入VGG网络捕获不同剂量图像间的感知差异，提高网络表征能力。实验结果表明，该方法获得了较高PSNR，相较于单一域变换，更能有效地利用投影数据与图像数据的互补效应来抑制噪声和伪影，提高重构效果。