尽管X射线锥形束CT（CBCT）Swift发展，但是图像噪声仍然是低剂量CBCT的主要问题。 在小剂量CT重建的情况下，采用2D字典学习（DL）的迭代重建算法已针对精细结构进行了验证，并抑制了噪声。 但是，缺少用于体积CBCT的增强版本。 此外，已经认识到，稀疏促进正则器的表示效率对于图像处理任务的成功至关重要。 在这项工作中，将基于3D词典的稀疏约束合并到统计迭代重建中，从而定义3D-DL重建框架。 从统计的角度来看，分析与2D / 3D词典关联的表示系数的分布，以比较它们在表示体积图像中的效