最近研究表明，深度神经网络（DNNs）在图像数据处理中的应用显著提升了辐射探测器和成像设备的性能。通过边缘计算和光学神经网络（ONNs），实现了低延迟和低能耗的高效计算。此外，研究探讨了光计算与通信的集成，提出了新的光学神经网络架构，以提高计算速度和能源效率。

本文提出了一种新方法，通过伴随变量导出光子反向传播算法，以提升光学神经网络的训练效率。结合深度模型与物理模型，构建混合框架解决计算显微术中的逆问题，并验证了其有效性。同时，研究了深度学习在图像重建中的应用，强调其对噪声的抗干扰能力，并探讨了光学成像技术的算法设计限制。