该文综述了深度学习在图像解卷积与天文成像中的应用，涵盖条件扩散模型、CLEAN算法改进、自监督PSF估计、ConStruct行星探测及SelfDeblur盲解卷积等方法，显著提升了重建质量与探测灵敏度。

本文综述了去噪扩散概率模型（DDPM）在天文与医学成像等领域的多种应用，包括VIC-DDPM利用可见度数据引导射电图像生成、RADiff生成射电源合成图像以扩充数据集，以及生成卫星图像、评估医学成像学习能力、去噪超声图像、盲超分辨率重建、生成模拟星系图像、无线图像传输和推断分子云密度。