1.一种基于加速比细分的MRI重建网络的训练方法，其特征在于，所述方法包括以下步骤：

1 2

步骤1选取目标扫描仪所采集的n个受试者的MRI k空间数据，构成集合Y＝{y ，y ，...，ny}，其中， 表示k空间；

步骤2构建深度神经网络模型fCNN(·；Θ)，这里，Θ表示fCNN的参数；

(0)

步骤3随机初始化fCNN的参数集Θ＝Θ ，令最佳重建图像质量步骤4令总的迭代次数s＝0，当前加速比的索引t＝1；

步骤5计算当前加速比ut：其中，u0＝uT为目标加速比，T为预设的加速比细分数量；

步骤6针对细分加速比ut，构建训练数据集：i ‑1 i ‑1

其中，上标i表示训练样本的索引，x ＝F y ，F 表示二维逆傅里叶变换，这里， 表示对k空间中的磁共振图像进行ut倍欠采样的掩码矩阵；

步骤7将训练集 进一步随机分割为训练集 和验证集 令当前加速比的训练周期et＝1；

步骤8将训练集 随机分为B个子集 令当前迭代批次b＝1，Ei为针对当前加速比ut预设的最大训练周期；

步骤9对于所有的 计算 的重构图像步骤10对于给定的损失函数l(·，·)，通过梯度下降法，优化如下目标式：步骤11若t＜T，跳至步骤13，否则，执行下一步；

(s)

步骤12在验证集 上评估深度神经网络fCNN(·；Θ )的重建图像质量：其中，Q(·，·)为质量评估函数；

* (s)

步骤13若 令 Θ＝Θ ；

步骤14令s＝s+1，b＝b+1，若b≤B，跳至上述步骤9，否则，执行下一步；

步骤15令et＝et+1，若et≤Et，跳至上述步骤8，否则，执行下一步；

步骤16令t＝t+1，若t≤T，跳至上述步骤5，否则，停止迭代。