1.基于三维增强深度残差网络的磁共振超分辨率重建方法，其特征在于，包括：S1、对若干3D高分辨率磁共振脑部图像进行预处理，并采用预处理后的图像构建训练集和测试集；

S2、构建由一个输入层、两个三维卷积层、一个上采样层、一个输出层和残差模块组成的三维增强深度残差网络；

S3、构建三维增强深度残差网络模型：

S31、初始化三维增强深度残差网络的卷积层和解卷积层中卷积核权重和偏置对损失函数导数为零： ，其中l是迭代次数；

S32、将训练集中图像分成若干批训练图像，每次输入一批训练图像至输入层；

S33、采用三维卷积层对输入的训练图像进行特征提取：其中， 分别为输入的训练图像大小；f为过滤器大小，过滤器的维度为f*f*f*c，c为卷积核的数量；n为过滤器数量；

S34、将特征提取后的训练图像与残差模块的节点参数进行计算，实现网络训练的前向传播，再经过上采样层，最后通过输出层输出重构图像；

S35、采用均方差误差计算多批输出的重构图像和归一化的3D高分辨率转换图像的误差：其中，t为批次数； 为重构图像； 为归一化的3D高分辨率转换图像；N为批次总数；

S36、采用Adam梯度优化算法，更新三维增强深度残差网络的网络参数：其中， 为无偏估计一阶矩的估计值； 为无偏估计二阶矩的估计值； 为学习步长；l为迭代次数，当l=1时， ， ；为10^‑8；

S37、当迭代次数小于设定迭代次数时，返回步骤S32；当迭代次数等于设定迭代次数时，完成三维增强深度残差网络模型的训练；

S4、将测试集中归一化后的3D高分辨率磁共振图像输入到三维增强深度残差网络模型进行重构，得到重构的超分辨率图像。

2.根据权利要求1所述的基于三维增强深度残差网络的磁共振超分辨率重建方法，其特征在于：所述对若干3D高分辨率磁共振脑部图像进行预处理，并采用预处理后的图像构建训练集和测试集进一步包括：获取若干格式为DICOM的3D高分辨率磁共振脑部图像，并采用医学影像分析软件将其转换为格式为NITFI的3D高分辨率转换图像；

移除3D高分辨率转换图像中的骨头得到3D高分辨率脑部图像，并对3D高分辨率脑部图像进行下采样得到缩小设定倍数的3D高分辨率磁共振图像；

对3D高分辨率脑部图像和3D高分辨率磁共振图像进行归一化处理，并采用归一化后的

3D高分辨率脑部图像构建训练集，归一化后的3D高分辨率磁共振图像构建测试集。

3.根据权利要求1所述的基于三维增强深度残差网络的磁共振超分辨率重建方法，其特征在于：所述残差模块包括两个路径，一个为主路径，直接输出；一个为子路径，由两个三维卷积层和一个Relu激活函数组成，其输出与主路径的输出特征相加后输出到下一个残差模块。

4.根据权利要求1所述的基于三维增强深度残差网络的磁共振超分辨率重建方法，其特征在于：所述无偏估计一阶矩的估计值 的计算公式为：其中， 为在时间步l,代价函数 的一阶梯度； 为0.9；l为迭代次数； 为

0.9的l次幂； 分别为第l次与第l‑1次的一阶矩，初始值为0；

无偏估计二阶矩的估计值 的计算公式为：

其中， 为0.999； 为0.999的l次幂； 分别为第l次与第l‑1次的二阶矩，初始值为0。

5.根据权利要求1所述的基于三维增强深度残差网络的磁共振超分辨率重建方法，其特征在于：所述残差模块的表达式为：其中，x、y分别为残差模块的输入和输出； 为残差函数。