光束通过散射介质如天空中的雾霾、海水以及生物组织等会发生光学散射现象，导致光束在散射介质后聚焦能力下降，由于散射光的影响探测器无法探测到真实的物理信息，因此严重限制了在光纤通信、生物医学成像等领域的应用。由此可见，如何通过散射介质实现高质量成像成为一项重要挑战。本文提出了一种基于深度学习的图像复原方法，可以恢复在光片荧光显微成像过程中由厚生物组织散射引起的图像质量下降，显著提升了三维光片荧光显微图像的性噪比和分辨率，而无需复杂的光学设施或迭代重建算法。本论文的主要工作内容如下：
　　本文通过构建散射神经网络学习拟合从散射图像到高分辨标签图像之间的映射过程，设计光片多角度荧光显微成像实验结合三维图像配准获取包含同一生物样品配准的低质量散射数据和高质量标签数据的训练数据集，网络训练完成后，能够恢复由光学散射导致的图像质量下降，并将新的散射图像快速重建为兼备高性噪比和高分辨率的输出图像。
　　本文通过在果蝇胚胎、透明化的小鼠大脑和三维培养细胞团的光片荧光显微图像上验证了散射神经网络的性能，证明了散射神经网络跨生物样品的广泛应用，最后定量分析了散射神经网络重建图像的质量。