陈钱、左超教授团队封面文章 | 定量相位成像的范式革新：从物理建模到物理驱动深度学习

本文综述了定量相位成像从传统物理建模向物理驱动深度学习的范式革新。背景方面，传统QPI技术虽在无标记成像中具有优势，但面临模型局限和计算效率问题；深度学习虽提升效率，却存在数据依赖和物理一致性不足的挑战。研究目的旨在通过物理驱动深度学习，将物理原理系统性嵌入数据、网络和优化中，实现严谨性与高效性的深度融合。结论指出，该方法通过数据层、结构层和目标层三类技术路径，构建了兼具高精度、高鲁棒性的智能成像系统，未来将向三维层析、跨场景自适应等方向演进，推动临床诊断等实际应用。