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的智能化演进（特邀）

通过在输入构造、网络建模与优化目标等关键环节嵌入成像物理机制，实现了从物理建模到深度学习的范式融合。从“物理先验注入层级”的视角出发，构建统一的物理驱动深度学习（PD-DL）方法范式分类框架，系统归纳了当前主流方法在数据构造层、结构建模层与目标约束层的三类融合路径，深入剖析其在监督策略、信息调控机制与系统适应性等方面的内在差异与融合趋势。该框架不仅有助于厘清不同方法之间的理论关联与功能定位，也为面向弱监督学习、跨模态重建与高通量部署等挑战的下一代定量相位成像（QPI）系统设计提供理论基础与技术支撑。本综述旨在系统梳理定量相位成像范式从物理建模向智能化融合演进的关键进展，推动具备物理一致性、泛化... View More