通过对大脑中大体积神经元进行动态观测来学习神经元网络的感知、认知和复杂行为的机制是神经科学中的一个基本问题。光场显微镜(LFM)允许以视频帧速率进行三维成像，已成为对神经活动实时观测的一种技术选择。文章对光场显微镜目前的成像方法进行了综述，重点关注新型的算法。与传统的迭代重建方法相比，使用光场显微镜成像神经元活动要求开发新的基于深度学习的算法，充分利用嵌入在物理和光学模型中的先验，整合模型驱动和数据驱动的算法，增强算法的可解释性和泛化能力，实现快速稳健的光场显微镜成像。