我们提出了一种名为IntraTomo的强大框架，该框架融合了基于学习的方法与基于模型的方法的优势，用于解决计算机断层扫描（CT）中的高度不适定逆问题。IntraTomo由两个核心模块构成：一个新颖的投影图（sinogram）预测模块，以及一个几何精炼模块，二者以迭代方式协同工作。在第一个模块中，未知的密度场被建模为一个连续且可微的函数，并由深度神经网络进行参数化。该网络通过自监督学习方式，从不完整或/和退化的输入投影图中进行训练。在经过投影图预测模块估计后，密度场在第二个模块中利用局部与非局部几何先验信息进行持续优化与精炼。通过这两个核心模块的协同作用，我们证明IntraTomo在多种不适定逆问题上显著优于现有方法，包括投影角度范围仅为45度的有限角度断层成像、仅需八次投影视图的稀疏视图重建，以及分辨率提升八倍的超分辨率断层成像任务。在模拟数据与真实数据上的实验结果表明，本方法能够实现前所未有的重建质量。