本发明公开了多任务复值深度学习的欠采样肺部气体MRI重建方法，利用k空间重建网络预测完整的k空间数据，再利用图像域重建网络得到初步的重建图像，最后利用结合分割和重建的多任务细节增强网络进一步增强图像细节，得到最终重建的肺部超极化气体MRI图像。本发明采用复数卷积层，有效地利用了k空间中的相位信息。相比于传统的重建方法，本发明在提高重建质量的同时极大地加快了成像速度。与单一训练重建任务的网络相比，本发明同时训练重建和分割两个任务，两个任务共享特征提取层，分割任务更加关注图像的细节和边缘部分，可提取更多的高频特征，重建更好的图像细节，提高重建质量。