针对生成对抗网络训练中收敛速度慢、图像细节难以恢复的问题，提出了一种基于编解码器和多尺度损失函数的生成对抗网络模型。使用带有剩余连接的编解码器作为生成器，网络易于训练，可以加快与损失函数的融合。引入噪声损失和感知损失，利用VGG19模型构成多尺度损失函数，使图像的视觉纹理细节能够达到更详细的恢复效果。实验结果表明，与低剂量CT相比，去噪图像的峰值信噪比提高了8.1%，结构相似性指数提高了4.8%。改进后的网络加快了损失函数的收敛速度，有效地解决了发电对抗网络训练困难、损失函数收敛缓慢、图像细节恢复困难等问题。