在功能性近红外光谱（fNIRS）成像技术的实现中，扩散光学层析成像（DOT）具有改善定量性和分辨率的巨大潜力，但其效果受制于生理干扰（呼吸、心跳和低频振荡等）、检测系统的随机噪声以及有限测量数据量带来的不适定性。为增强fNIRS-DOT成像的性能，本文提出了一种基于模型先验信息的深度卷积编解码网络重建方法，利用分层半三维重建算法实现对表层和深层脑血氧变化信息的初步区分，发挥卷积、编解码网络对空间特征的学习能力，实现对深层脑激活信息的提取重建。为验证所提重建方法的有效性，开展了数值模拟和仿体实验，并将其与传统重建方法进行对比。结果表明，所提重建法不仅可以显著提高重建精度，极大地缩短重建时间，而且具有优异的泛化能力，为实现动态fNIRS成像提供了重要参考。

功能性近红外光谱(fNIRS)成像是一种新兴的光学脑成像技术.已有大量基于fNIRS 简单任务脑力负荷评估方面的研究,但当实验任务从单一简单任务变化为复杂综合任务时,相应方法不能直接简单套用.借助于fNIRS技术,通过复杂任务特征分解的思路进行尝试,研究大脑皮层血氧情况随复杂任务各任务特征的变化规律,为fNIRS评估复杂任务脑力负荷等研究提供思路和基础.结果发现：前额叶大脑皮层(PFC)区域的含氧血红蛋白(HbO)对复杂度、时间压力和有无控制三种任务特征的变化均有较高的激活程度响应；视觉皮层(VC)区域的HbO 对不同时间压力任务特征导致的任务难度变化有较高的激活程度响应,但对不同复杂度和有无控制特征的激活程度响应较低；运动皮层(MC)区域HbO 对有无控制输出特征有较高的激活程度响应,对不同时间压力特征的激活程度响应较弱.