摘要
本发明涉及一种基于深度展开网络的双先验磁共振重建方法，该方法包括：a）数据预处理，对全采样的K空间数据欠采样；b）建立模型，依据磁共振图像特征设计正则项，包括数据层面的隐式正则和稀疏层面的半隐式正则，并基于重建原理设计相关保真项；c）利用变量分离法将问题分解成多个子问题，并交替迭代求解；d）对子问题分别求解，并展开到端到端的神经网络中，利用网络求解模型；e）利用标签真值图像对模型进行有监督训练；f）根据验证集选取最佳模型，将测试数据输入模型得到重建后的磁共振图像。本发明克服了传统算法迭代计算开销大、图像纹理恢复不佳的问题，补充了深度学习的透明性，更好地恢复磁共振图像细节便于医生临床诊断。
