El desafío de la reducción de ruido en tomografía computarizada (TC) de baja dosis ha generado un gran interés de investigación debido al impacto perjudicial del ruido en la calidad de la imagen de TC, dificultando la precisión diagnóstica y las terapias guiadas por imagen. Este documento presenta un enfoque innovador denominado Red de Flujo de Denoising Dual en el Dominio de Wavelet (WaveletDFDS-Net) para abordar este desafío. Este método combina ingeniosamente redes neuronales convolucionales y Transformadores para aprovechar sus capacidades complementarias en la extracción de características. Además, emplea una transformada wavelet para un muestreo eficiente de la imagen, preservando así información crítica y reduciendo los requisitos computacionales. Además, hemos formulado una función de pérdida compuesta de dominio dual distintiva que mejora significativamente la restauración de detalles complejos. El rendimiento de WaveletDFDS-Net se evalúa mediante experimentos comparativos realizados en conjuntos de datos públicos de TC, y los resultados demuestran su efecto de reducción de ruido mejorado con un SSIM de 0.9269, PSNR de 38.1343 y RMSE de 0.0130, superando a los métodos existentes.