封面 | 南京理工大学左超、刘永焘综述：智能超分辨显微

本文综述了深度学习在超分辨显微成像技术中的应用及其优化效果。文章首先介绍了超分辨显微成像技术的背景，指出传统光学显微镜的分辨率受限于光学衍射极限，难以满足纳米尺度下的观测需求。随后，文章详细探讨了深度学习如何通过神经网络优化传统超分辨显微成像技术，如受激发射损耗荧光显微术（STED）、单分子定位显微镜（SMLM）和结构光照明显微镜（SIM），提升成像分辨率和速度。文章还展望了深度学习在超分辨显微成像领域的未来发展，尽管面临数据依赖、计算成本和模型可解释性等挑战，但随着技术的进步，深度学习有望为生物医学研究提供更高效的成像解决方案。