1.一种重建CT图像的方法，包括步骤：对被检查对象进行CT扫描，得到投影数据；利用第一卷积神经网络在投影域对投影数据进行处理，得到处理后的投影数据，其中，第一卷积神经网络包括多个卷积层；以及对处理后的投影数据进行反投影操作，得到重建的图像；其中第一卷积神经网络中的卷积层的卷积核的一个维度为探测器像素序列，另一个维度为扫描角度，并且第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度与在扫描角度维度上的尺度是独立设置的，第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度大于在扫描角度维度上的尺度。
2.如权利要求1所述的方法，其中所述CT扫描为如下扫描方式之一：探测器欠采样扫描、稀疏角度扫描、内重建扫描、有限角扫描、和直线轨迹扫描，其中所述第一卷积神经网络为无池化层的卷积神经网络。
3.如权利要求1所述的方法，其中所述CT扫描为圆周扫描或者螺旋扫描，其中所述第一卷积神经网络还包括设置在相应卷积层后的多个池化层，以及全连接层。
4.如权利要求2或3所述的方法，还包括步骤：利用第二卷积神经网络对重建的图像进行处理，得到结果图像。
5.如权利要求4所述的方法，其中还包括步骤：在利用第一卷积神经网络对投影数据进行处理之前，使用斜坡滤波器对投影数据进行滤波。
6.如权利要求4所述的方法，其中利用第二卷积神经网络对重建的图像进行局部平滑处理，得到所述结果图像。
7.如权利要求1所述的方法，其中，第一卷积神经网络包括至少3个卷积层，每个卷积层带有一个激活函数，用于对经过卷积处理的投影数据进行非线性运算。
8.如权利要求1所述的方法，其中，第一卷积神经网络还包括反投影层，用于对经过卷积层处理后的投影数据进行反投影运算。
9.如权利要求8所述的方法，其中，第一卷积神经网络中最接近反投影层的卷积层的卷积核长宽尺寸参数为1*1。
10.如权利要求4所述的方法，其中，第二卷积神经网络包括图像域初始卷积层和末端卷积层，用于在图像域对重建的图像进行处理。
11.根据权利要求10所述的方法，其中，图像域初始卷积层所包括的每个卷积层都带激活函数，末端卷积层不带激活函数。
12.一种重建CT图像的设备，包括：CT扫描装置，对被检查对象进行CT扫描，得到投影数据；处理器，配置为：利用第一卷积神经网络在投影域对投影数据进行处理，得到处理后的投影数据，以及对处理后的投影数据进行反投影操作，得到重建的图像，其中，第一卷积神经网络包括多个卷积层；其中第一卷积神经网络中的卷积层的卷积核的一个维度为探测器像素序列，另一个维度为扫描角度，并且第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度与在扫描角度维度上的尺度是独立设置的，第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度大于在扫描角度维度上的尺度。
13.如权利要求12所述的设备，其中，所述CT扫描装置执行如下扫描方式之一：探测器欠采样扫描、稀疏角度扫描、内重建扫描、有限角扫描、和直线轨迹扫描，其中所述第一卷积神经网络为无池化层的卷积神经网络。
14.如权利要求12所述的设备，其中所述CT扫描装置执行圆周扫描或者螺旋扫描，其中所述第一卷积神经网络还包括设置在相应卷积层后的多个池化层，以及全连接层。
15.如权利要求13或14所述的设备，其中所述处理器还配置为：利用第二卷积神经网络对重建的图像进行处理，得到结果图像。
16.如权利要求12所述的设备，其中所述处理器还配置为：利用第二卷积神经网络对重建的图像进行局部平滑处理，得到结果图像。
17.一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：利用第一卷积神经网络在投影域对投影数据进行处理，得到处理后的投影数据，其中所述投影数据是通过对被检查对象进行CT扫描而得到的，其中，第一卷积神经网络包括多个卷积层；以及对处理后的投影数据进行反投影操作，得到重建的图像；其中第一卷积神经网络中的卷积层的卷积核的一个维度为探测器像素序列，另一个维度为扫描角度，并且第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度与在扫描角度维度上的尺度是独立设置的，第一卷积神经网络中的卷积层的卷积核在探测器像素序列维度上的尺度大于在扫描角度维度上的尺度。
