等离子体纳米颗粒作为一种特殊的纳米材料,有着良好的生物相容性与可调节的光学性能。借助其独特的局域表面等离子体共振（LSPR）效应,可以在暗场显微镜（DFM）中获取等离子体纳米颗粒的光散射信号,得到等离子体纳米颗粒共振散射成像。由于成像速度快且成像结果具有高信噪比,等离子体共振散射成像在分析检测和动态反应监控方面具有很强的优越性,在生物、化学和光子学领域具有广阔的发展前景。但是该成像技术仍存在一定的局限性,如:对于在活细胞中的等离子体纳米颗粒,其DFM成像受到复杂细胞背景的严重干扰,难以进行自动高通量的识别与分析;基于散射光信号的DFM成像会受到光学衍射极限（100nm）的限制,间距低于衍射极限的两个或多个等离子体纳米颗粒在成像时不能精确分辨,因此DFM成像在空间分辨率方面存在着一定的局限性;基于传统计算的等离子体纳米颗粒分析与处理方法繁琐复杂且误差较大,不足以支持快速的生物化学反应,无法实现真正的智能化高通量分析与处理。因此,为解决等离子体共振散射成像的局限性问题,进一步推动DFM技术的发展和应用,本文开创性地提出了启用深度学习的方法,对以上问题进行处理,主要工作有以下三点:1.构造等离子体共振散射成像数据集。从前期等离子体纳米颗粒的实验制备入手,利用DFM成像系统获取所需数据,并根据实验要求对采集系统和采集过程不断调整,将采集到的数据进行整理、切片、标注与预处理,制作出完整的等离子体共振散射成像数据集,为后续基于深度学习的等离子体共振散射成像的研究提供可靠的数据支撑。2.搭建等离子体共振散射成像自动识别与分析框架AutoPRS。利用深度神经网络从动态复杂环境下的活体细胞背景干扰信号中识别纳米颗粒的散射光,构建了基于U-Net神经网络的DFM图像自动识别模型,并基于检测算法和HSI彩色编码方法进一步构造自动提取与分析模型,结合以上模型与方法提出了一种自动识别与分析框架即AutoPRS,可以对等离子体共振散射成像自动识别与分析问题进行自动快速的高通量处理,具有较高的精度、较强的泛化能力和较好的鲁棒性。为了证明AutoPRS框架的可用性,本文利用AutoPRS框架准确识别了 MCF-7细胞中的AuNRs,并对其散射光强度进行了提取与分析,监测了紫外光诱导的MCF-7细胞凋亡下细胞内细胞色素c的变化,实现了等离子体纳米颗粒散射光的智能化分析,为光散射测量研究和化学成像分析提供了新的策略。3.提出基于深度学习的等离子体共振散射成像高分辨处理框架（HiRePRS）,完成了框架整体的搭建和训练,与传统方法相比,该框架可以在不增加复杂光学系统的情况下,准确分辨DFM成像中距离低于光学衍射极限的等离子体纳米颗粒,有效地恢复DFM图像中由于低分辨散射和光学衍射极限引起的模糊信号。为了证明HiRePRS框架的处理能力,将HiRePRS应用于AuNPs的散射光DFM成像以及AuNRs对细胞和细胞凋亡的DFM成像的高分辨处理中,为光散射研究和化学成像处理提供了 一种新的分析思路。