一种基于深度学习和数据一致性的磁共振重建方法

本发明公开了一种基于深度学习和数据一致性的磁共振重建方法，涉及磁共振重建方法领域；其包括1：采集K空间数据并将其融入按卷积神经网络、数据一致性层顺序重复叠加组成的网络完成网络搭建；2：将K空间数据中的欠采样数据转换为卷褶图像作为已搭建网络的输入，将其的全采样数据转换为完整图像作为已搭建网络的标记数据，通过反向传播训练网络获得网络输入输出的映射关系；3：将测试集对应图像输入已完成训练的网络进行前向传播获得输出图像完成磁共振重建。本发明解决了现有基于深度学习的磁共振重建方法未充分利用已采集数据且只能处理单通道导致重建性能差和稳定性差的问题，达到了实施监督，提高学习能力，从而提高重建性能的效果。