将扩散干涉光谱（iDWS）技术与光外差检测方法和扩散散斑衬比分析方法相结合，提出了一种扩散相干散斑成像检测方法，并搭建了实验系统。该系统能有效地提高无创检测局部脑血流量（rCBF）的信噪比和检测精度，仿体流速实验结果表明，其相对血流指数与实际流速具有较好的线性度，在源-探距离为6~12 mm范围内线性相关系数均值为0.9881±0.0005。该检测方法可以区分不同目标区域的流速变化，管径为4.8 mm时相对误差为2.04%，结合血管管径测量方法可实现流速和流量的有效监测。通过在体实验和袖带加压实验，证明系统可以检测到活体rCBF的流速信息，且在有效测量流速范围内有较好的检测准确度。

近红外光谱常被用于含氢有机物质等的物化参数测量, 可以提供丰富的结构和组成信息在复杂溶液的光谱定量分析中更是被广泛应用。 然而在人体血液等复杂溶液的近红外光谱分析中, 强大的背景信息造成的噪声干扰和冗余变量的存在, 严重影响着样品的光谱测量和分析, 影响着分析的效率和准确度。 如何消除背景噪声等的干扰来提高分析准确度已经引起高度重视, 近几年来, 国内外学者提出了许多基于化学计量学方法的相关方法。 从光谱预处理、 变量优化和建模分析三方面, 以传统的化学计量学方法出发, 总结和分析这些方法在人体血液等复杂溶液的近红外光谱定量分析的应用和各自的特点, 为提高光谱定量分析准确度的研究提供参考。

扩散光学层析成像(DOT)是一种利用近红外光来探测生物组织光学结构的低成本、无辐射损伤、成像深度深的在体光学功能性成像技术。由于生物组织体自身需满足强散射、低吸收以及成像空间分辨率高等需求,因此DOT重建的逆问题具有严重的病态特性。传统的逆问题解决办法主要是基于代数迭代的重建方法,随着人工智能的发展及大数据时代的到来,深度学习研究掀起了一个新高潮,基于深度学习网络模型的逆问题解决方法逐步被用于DOT重建过程中。通过梳理传统的DOT重建算法,重点综述了最新深度学习用于DOT重建的研究进展,旨在为本领域相关研究团队提供参考。

为解决近红外光谱法分析物质浓度过程中缺乏可测度分析而导致测量过程存在一定盲目性问题, 研究在已知测量条件、 样品种类、 被测组分以及建模分析方法的条件下, 利用近红外光谱谱线特性作为参数, 在大量样品近红外光谱采集和标准法测得浓度数据等工作前, 对被测物质浓度的分析误差做大致估算。 经过大量尝试和试验提出等效信噪比（ESNR）和谱线重叠系数（OC）两个重要参数, 其中ESNR反映待测组分吸光度占总吸光度的比重, 而OC则反映待测组分近红外光谱曲线间的重叠程度。 通过理论仿真得到光谱分析中用经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系, 分别计算ESNR和OC与被测组分浓度分析误差（RMSE）的关系, 并且研究两个谱线参数的独立性。 利用理论分析得到结果对浓度为8%~12%乙醇水溶液进行可测度分析, 并与近红外光谱法分析的实际结果进行比较。 研究通过理论仿真得到使用光谱分析中经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系, 其中ESNR与RMSE成反比关系, 而OC与被测组分分析误差成非线性的单调关系, 并且验证了ESNR和OC两个参数的独立性。 通过理论计算和乙醇水溶液近红外光谱检测实验对等效信噪比和谱线重叠系数与光谱分析浓度误差的定量关系进行讨论, 通过理论分析得到的乙醇浓度RMSE预估值为0.30%, 近红外光谱分析实际RMSE为0.32%, 相对误差6.67%, 二者结果相符。 实现了在测量条件、 样品种类、 被测组分以及建模分析方法已知的条件下基于近红外光谱分析的待测组分含量理论误差的定量计算和实验验证。 该研究明确了对近红外光谱法分析物质浓度有明确定量关系的两个谱线参数, 给出了使用光谱分析中经典的偏最小二乘回归建立定量分析模型时的分析误差经验曲线, 以及利用曲线进行近红外光谱法待测组分浓度可测度分析方法。 结果表明所提出的ESNR和OC两个谱线特性参数的有效性, 以及分析误差预估方法的有效性。 为近红外光谱法待测组分浓度定量分析提供了有效、 快捷的预估方法, 完善了近红外光谱法成分含量可测度分析理论, 对近红外光谱法物质浓度定量分析研究具有一定指导意义。

近红外光密度差异法检测创伤性硬膜血肿具有快速、 无创等优点, 是近几年组织光学的研究热点, 在急救临床上有着重要应用。 为了进一步提高对颅脑外伤患者血肿程度的检测精度, 采用多通道差分吸光度方法获得头部左右对称吸光度数据, 即利用与近红外光源距离不同的5个检测器采集颅脑对称位置的光密度信息, 计算对称位置的差分吸光度, 利用偏最小二乘法建立脑部光学吸收系数与差分吸光度数据之间的校正模型, 实现对颅内硬膜血肿程度的预测。 可以检测具有不同头皮颅骨厚度患者是否出现硬膜血肿, 也可预测脑血肿程度。 模型仿真预测结果显示, 所建立预测模型对硬膜血肿部分的光学吸收系数预测平均相对误差为11.16%, 对血肿发生深度预测平均相对误差小于1%, 基本满足创伤性硬膜血肿程度的无创检测需求。 将多通道差分吸光度法引入到脑部血肿近红外光谱无创检测中来, 可以明显消除个体差异对检测结果的影响, 有效提高脑血肿检测精度, 并能实现对患者脑血肿程度的预测, 该方法为近红外光谱脑部检测研究提供了新的思路和重要参考。

基于近红外光谱法对组织内的异质体进行无创检测时, 光源-探测器(S-D)相对于异质体的位置对检测效果有着重要影响。 为实现对组织内异质体的快速定位, 该研究基于一源多探的检测结构针对不同水平位置、 不同深度和不同直径的异质体进行光密度分布有限元分析, 计算各探测器之间的差分光密度差异。 仿真实验结果表明, 根据多探测器形成的差分光密度差异曲线可快速定位组织内异质体的水平位置。 曲线的高斯拟合特征量与异质体的水平位置、 深度和直径有着强相关性。 基于差分光密度差异曲线可以实现组织内感兴趣区域的快速定位, 对采用近红外光谱法的组织肿瘤检测、 光学脑功能成像等领域的源-探位置放置提供重要参考, 提高其检测精度。

多通道近红外光光密度差异检测硬膜血肿的方法具有快速、 无创等优点, 光源周围检测器数量与位置对降低硬膜血肿程度预测模型的病态性, 提高血肿检测精度至关重要。 提出了基于变量投影重要性(VIP)分析的检测器位置筛选方法。 通过对距离光源位置2.0～5.0 cm范围内的30个检测器获得的光密度差异数据进行VIP分析, 分析比较确定VIP阈值后从中筛选出4个检测器。 以偏最小二乘法(PLS)建立基于4个检测位置获得的吸光度差预测血肿发生部位吸收系数的预测模型, 检测器VIP优化后血肿位置吸收系数预测结果平均相对误差由4.08%降低到2.06%。 可见利用VIP分析对检测器筛选后所建立预测模型仍可较好的对硬膜位置血肿程度进行判断。 该研究为近红外光硬膜血肿检测中检测器位置的选择提供了新的思路和重要参考。

通过建模仿真，从改善陀螺输出带宽以及提高互易性噪声抑制能力出发，对单路闭环谐振式微光学陀螺（R-MOG）和双路闭环R-MOG进行了分析研究。相比于单路闭环R-MOG，双路闭环R-MOG在抑制互易性噪声的同时，能较好地改善输出带宽，并进一步提高陀螺系统的线性度。在此基础上，搭建了双路闭环R-MOG的实验系统，并进行了陀螺零偏稳定性以及输出响应特性测试。实验结果表明，陀螺1 h的零偏稳定性为0.53 °/s，在±1000 °/s转速范围内，陀螺系统的线性度为99.995%。

采用BP神经网络算法模型对人体血液红细胞浓度进行无创检测。 对获取的动态光谱数据和红细胞实测值利用BP神经网络进行建模分析, 校正集输出对期望值的跟踪较好, 相关系数R达到了0.993, 用建立起的BP神经网络模型去检验预测集输出值, 得到预测集的相对误差最大为4.7%, 平均相对误差为2.1%, 预测能力较为理想。 结果表明: 用BP神经网络模型能够较准确的处理动态光谱数据和人体红细胞实际值的非线性关系, 提高了血液成分无创测量在临床上应用的可行性, 具有较高的应用价值。