【MRI重建】Cartesian采样中data consistency 常规数据一致性实现（pytorch）

关于

在MRI重建中，data consistency 可以帮助加快MRI图像重建和减少模型重建带来的重建误差。

工具

方法实现

x_rec: 重建图像, (batch_size,2,H,W)

mask: 欠采样模版，(batch_size,2,H,W)

k_un: 真实欠采样采集数据, (batch_size,2,H,W)

torch.view_as_complex: 将实数数据转换为复数数据，实数数据最后一维度默认是real,imag 2通道，经过转换，（batch_size,H,W,2）实数 ==> （batch_size,H,W) 复数。

torch.view_as_real: 将复数数据转换为实数数据，经过转换，（batch_size,H,W）复数 ==> （batch_size,H,W，2) 实数。

torch.fft.fft2 和 torch.fft.ifft2 在设置norm='ortho'情况下，是严格的傅里叶互逆变换对。

kout=k_rec+(k_un-k_rec)*mask 实现 data consistency 作用

class Dataco