生物组织光学参数的无创在体测量是近红外光谱学（NIRS）研究的基础课题之一。在已发展的NIRS方案中，时间分辨测量具备优良的同时反演吸收系数和散射系数的能力，而且近年来该技术的性价比显著提高，获得了更多关注，但其针对分层组织的参数反演在准确性、稳定性和反演速度等方面尚存在一定的局限性。为此，本文提出了一种时域蒙特卡罗模型支持的Nelder-Mead单纯形算法，该算法利用双源探距下的时间分辨漫反射光信号，以循环迭代方式设置不同的基向量，经线性变换后无须求导便可启发式搜索目标函数的最优值，从而实现了高信效度的分层光学参数反演。模拟实验与仿体实验均表明：在组织光学参数反演方面，所提算法的精度优于传统算法，而且该算法具有良好的噪声鲁棒性和临床适应性，为生物组织光学参数的在体测量提供了新方法。

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。

黏膜组织病变的早期诊断和治疗是遏制黏膜组织癌变的有效手段。利用光谱检测技术，以实时、在体、无创的方式检测黏膜组织细胞的形态变化引起的光学特性改变，通过合理算法进行客观分析，可实现低成本大规模黏膜组织病变的筛查。为了提高面向黏膜组织病变诊断的光谱检测系统的灵敏度和特异性，开发了一套亚扩散域漫反射与荧光联合光谱测量系统，实现对不同深度黏膜组织的漫反射光谱和自体荧光光谱的高效采集，进而通过对光谱信息进行特征抽取，实现黏膜组织病变的快速筛查和恶性肿瘤等级的实时诊断。为了评估所开发系统的性能，开展了仿体实验、离体组织实验和在体实验：仿体实验证明了系统具有良好的测量稳定性；离体组织实验证明了该系统对离体组织具有优异的分类能力(不同类型组织的分类精度>98%，同类组织不同部位的分类精度>74%)；在体实验初步验证了该系统在黏膜组织诊断和分类领域中的应用潜力。

本文探讨了高灵敏度多通道fNIRS系统用于解码“肯定/否定”二分类意图的脑机接口应用。实验过程中采用全并行激励下的锁相光子计数模式进行测量，采集了10名被试思考针对其个人情况的相关问题时前额叶脑区的fNIRS信号，从中提取血红蛋白浓度变化数据的均值、方差、偏度、峰度、激活水平这五种特征，根据各特征对不同被试的分类效果和Fisher-score方法分别进行特征与通道选择，并最终构建支持向量机(SVM)模型。采用10次十折交叉方案进行验证，以更好地评估模型的分类准确性。为了对比，本文也研究了以原始光强数据建立的SVM模型的分类效果。实验结果表明：使用血红蛋白浓度变化数据构建的SVM模型的平均平衡准确率为73.1%±1.7%，以原始光强数据构建的SVM模型的平均平衡准确率为70.6%±3.7%，前者较后者提高了3.5%，且二者的平均平衡准确率均达到了70%以上。本研究不但展示了高灵敏度多通道fNIRS系统识别人脑直接意图的能力，也为fNIRS-BCI的应用提供了有益思路。

功能性近红外光谱(fNIRS)具有无创、非电离、适宜的时间/空间分辨率等优点,已逐渐成为传统脑功能成像技术(如核磁共振成像、脑电图等)的重要补充,越来越多地被应用于脑功能临床研究。然而,在实际应用中,生理干扰(心跳、呼吸和低频振荡等)和随机噪声(散弹噪声和环境噪声等)往往会给fNIRS脑功能成像带来明显的伪影,甚至“湮灭”真实的大脑兴奋信号。为解决这一问题,本文提出了一种基于长短期记忆(LSTM)循环神经网络的滤波模型,采用具有预测和分类功能的复合神经网络分别抑制生理干扰和随机噪声。本文基于fNIRS--扩散光学层析成像方案开展了数值模拟和在体实验,详细描述了网络设计、训练和滤波过程,并将结果与自适应滤波、多周期平均方法进行对比。结果表明,所提LSTM模型可以有效抑制生理干扰和随机噪声,且无需重复测量即可实现较高的重建质量,为基于fNIRS的脑机接口应用提供了一种有效的技术手段。

功能近红外光谱成像已成为脑功能研究的首选手段。为得到高灵敏度、大动态范围以及高时间分辨率的成像系统, 开发了基于改进锁相光子计数的多通道近红外脑功能成像系统。光源模块由波长为785, 808, 830 nm的激光二极管(各16个)组成, 调制方波的频率间隔为252 Hz; 探测模块包括9个光子计数式光电倍增管。该系统结合了单光子计数技术的超高灵敏度与方波调制模式数字锁相检测的简易并行性, 测量线性相关系数可达0.9989, 信道间的串扰可忽略不计, 具有较强的抗干扰能力和准确的空间定位能力。

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。

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。