1.一种基于深度学习网络的tdcs电场仿真图像生成方法,其特征在于,包括:
2.根据权利要求1所述的仿真图像生成方法,其特征在于,在通过预设的tdcs电场仿真计算方法对所述样本磁共振图像进行tdcs电场仿真计算,获得每个所述样本磁共振图像对应的tdcs电场仿真图像之前,所述方法还包括:
3.根据权利要求1所述的仿真图像生成方法,其特征在于,所述通过预设的tdcs电场仿真计算方法对所述样本磁共振图像进行tdcs电场仿真计算,获得每个所述样本磁共振图像对应的tdcs电场仿真图像,包括:
4.根据权利要求3所述的仿真图像生成方法,其特征在于,所述对每个所述样本磁共振图像在不同tdcs电极配置下进行tdcs电场仿真计算,得到每个所述样本磁共振图像对应的tdcs电场仿真图像,包括:
5.根据权利要求3所述的仿真图像生成方法,其特征在于,所述训练数据集还包括所述tdcs电极配置;
6.根据权利要求5所述的图像生成方法,其特征在于,所述通过所述目标图像生成模型对目标磁共振图像进行预测,获得所述目标磁共振图像的tdcs电场仿真图像,包括:
7.根据权利要求6所述的图像生成方法,其特征在于,在通过所述目标图像生成模型对目标磁共振图像进行预测,获得所述目标磁共振图像的tdcs电场仿真图像之前,所述方法还包括:
8.一种基于深度学习网络的tdcs电场仿真图像生成装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行后能够实现如权利要求1至7中任一项所述的方法。