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。