1.基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，包括如下步骤：S1：获取数据，得到不同时相的图像数据，包括注射造影剂前扫描1次获得图像I0，注射造影剂后等间隔扫描多次获得的图像I1‑In；

S2：训练多约束GAN；当生成增强图像I1’时，无生成增强图像，利用图像I0来预测；当生成增强图像In’(n>2)时，在未注射照影剂前扫描图像I0及预测生成增强图像I1’的约束下，学习常规磁共振图像及造影剂的作用来生成增强图像I2’‑In’；

S3：将图像I1’‑In’分别与真实图像I1‑In输入到生成对抗网络的判别器中，判别器对输入其中的图像真伪进行判断；

S4：直到判别器无法区别其输入图像为生成图像或真实图像时，完成对多约束GAN的训练。

2.根据权利要求1所述的基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，多约束GAN中生成器为U‑Net结构；生成增强图像I2’‑In’时，多约束GAN中生成器能够在图像I0及已生成增强图像I1’的约束下，同时学习常规磁共振图像特征及照影剂影响，生成增强图像In’。

3.根据权利要求2所述的基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，当生成注射造影剂后第1时相图像时，所述生成器的输入为真实图像I0；当生成注射造影剂后第n时相增强图像In’其(n>1)时，生成器的输入为图像I0及增强图像I1’构成的二通道图像。

4.根据权利要求1所述的基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，所述多约束GAN中的生成器包括收缩下降路径和对称扩张路径，所述收缩下降路径提取图像的低维特征，扩张路径提取图像的高维特征，通过跳跃连接将收缩下降路径上卷积层的输出与扩张路径上卷积层的输入相连接。

5.根据权利要求4所述的基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，根据特征图分辨率的不同，所述多约束生成对抗网络中的生成器网络中的路径分为不同状态，其中每个状态由2个块组成，每个块含有一个3×3的卷积层及紧跟的一个BN层和一个ReLu层，在收缩或扩张路径上，第二个块后连接一个核大小为2×2的最大下采样或上卷积层，使特征图在两个方向上的大小都减半或加倍。

6.根据权利要求4所述的基于多约束GAN的DCE‑MRI图像生成方法，其特征在于，根据特征图分辨率的不同，所述多约束生成对抗网络中的判别器网络中的路径分为不同状态，包括4个状态，每个状态由2个块组成，每个块含有一个3×3的卷积层及紧跟的一个BN层和一个ReLu层，在第二个块后连接一个核大小为2×2的下采样层，最后一层为1×1的卷积层，并使用softmax激活函数对输入进行分类。