光声成像（PAI）是一种结合了光学成像高对比度和超声成像深穿透性的生物医学成像模态，近年来得到了迅速发展。其中，光声显微成像（PAM）作为光声成像的重要实现方式之一，可以在毫米级的成像深度上实现微米级甚至百纳米级的分辨率，能够实现对生物组织结构、功能和分子的高分辨率成像，已在临床诊断、皮肤病检测和眼科等领域得到广泛应用。首先对PAM的工作原理和实现方式等进行基本介绍，之后围绕便携式PAM技术，从手持与半手持式、脑部可穿戴式及集成多模态3方面对其研究进展进行综述，随后探讨便携式PAM技术面临的挑战，最后进行总结与展望。

光声计算断层成像(PACT)是近年来迅速发展的一种无损生物医学成像技术，在生物医学领域有着较高的应用价值。为了获得高质量的光声图像，成像系统的信号采集装置需要配备高密度的阵列探测器。但在实际应用中，由于经济成本、制造工艺及成像时间等因素的限制，探测器的排布往往较为稀疏，难以实现稳定重建，导致重建图像中出现条纹伪影。为了解决这一问题，本文提出一种基于双域神经网络的PACT图像重建算法。该算法主要包含三个模块：数据域网络、反投影层和图像域网络，其中数据域网络和图像域网络可分别对光声数据和光声图像进行增强，以提升图像质量。为了对网络进行训练和测试，构建了一个血管仿真数据集和一个小鼠活体试验数据集。研究结果表明，所提算法可以有效地抑制条纹伪影，提升图像质量，并且重建性能优于其他重建算法。

在分析了相邻耦合自旋链后,提出了一种求解使量子信息在链中完美传输的耦合强度的方法, 并用Groebner基分析的方法得到了耦合强度的所有解析解。该方法同样适用于求解脉冲激光驱动的多 能级量子链系统量子态完美操控的控制参数问题。该结果可以用来分析自旋链量子信息的完美传输和多 能级量子链态完美操控的解结构和寻找有优化性质的参数特解。