针对磁共振成像脑肿瘤分割存在的肿瘤空间信息变化大与精细标注样本数量少的问题，提出一种基于多尺度伪影生成对抗网络的脑肿瘤影像分割方法。该方法采用三维U-Net模型来获取脑肿瘤分割结果并充当生成器，引入三维PatchGAN作为判别器来评判U-Net输出的脑肿瘤结果与真值标签，通过对抗学习方式来进行模型训练。为提升脑肿瘤分割效果，在生成器编码阶段引入伪影模块，使得在卷积过程中能够捕获到更丰富的深度特征而提升生成器的脑肿瘤生成结果；同时，在解码过程中采用多尺度特征融合方式来有效整合脑肿瘤的浅层信息与深层信息，并在对抗学习中进一步提升分割性能。在公开的BraTS2019-2020数据集上对该方法进行了评估，实验结果验证了所提出方法在脑肿瘤分割任务中的有效性，在两个验证集上获得的全肿瘤、核心肿瘤和增强肿瘤分割Dice值分别为0.902/0.903、0.836/0.826和0.77/0.782。

目前，荧光成像技术已成为生物医学应用中的重要工具之一，但其易受到光的穿透能力有限、组织自体荧光干扰等因素的影响。与可见光和近红外一区（NIR?Ⅰ）光相比，近红外二区（NIR?Ⅱ）荧光成像具有更深的穿透深度、更高的成像分辨率和灵敏度、更低的背景噪音和更高的信噪比，因此在脑血管成像和重大脑疾病的成像诊断方面展现出潜在的应用前景。本文主要介绍了不同类型NIR?Ⅱ荧光探针及优化其光学性能的策略。同时，总结了这些探针在脑成像方面的研究进展，并对未来临床应用所面临的问题进行了探讨。

作为光遗传学的重要工具，纳米光遗传探针用于实现对生物体神经元的光刺激，能够辅助神经科学家更具特异性地探索大脑的工作机制，有望用于神经疾病的发病机理分析和治疗。研究人员针对光遗传学刺激的刺激强度、刺激范围、刺激模式、时空分辨率等要求，开发了具有不同光学功能的探针，也针对丰富探针功能如原位电生理记录、化学或生物分子递送等要求，开发了多功能的神经探针。为克服传统光电子器件刚性不可弯折、易对生物体造成损伤等弊端，柔性光学神经探针应运而生。这一类探针在植入时对生物体的损伤小，在植入后能够维持稳定的出光强度，其使用寿命得到保证。本文围绕不同类型、不同功能的光遗传探针以及光遗传探针中的柔性技术进行综述和展望。

神经接口是神经系统与外界物理设备进行信息交互的关键器件，利用光、电、磁、声等多种模态信息的融合，以神经信息增强的形式，可对大脑网络进行高时空精度的神经动力学分析，植入式多模态神经接口在神经科学基础研究、神经疾病的生物光电子诊疗、脑机融合与交互等前沿领域中具有重要应用。首先介绍了最新基于光学方法和电生理技术的多模态神经记录和调控原理，接着回顾了光电神经探针研究进展，并归纳了光学成像和记录及电生理记录等多种模态神经数据分析处理的一般方法，最后对植入式多模态神经接口进行总结，展望了该领域当前面临的挑战和未来的发展趋势。

脑肿瘤分割对医学图像处理领域发展与人类健康都具有积极意义。针对三维卷积神经网络存在复杂度大且对硬件设备要求高等问题，提出一种多视图卷积轻量级脑肿瘤分割算法。首先使用复用器模块有效融合各通道间的信息，并为模型增加提取非线性特征的能力。其次使用伪三维卷积分别从轴向位、矢状位和冠状位进行卷积，并加入组卷积以节约计算资源和降低设备显存使用。最后使用可训练参数权衡不同视图下提取的特征的重要性，提高模型分割精度。此外，实验使用分布式数据并行方法训练模型，以提升图形处理器的利用率。在2019年脑肿瘤分割大赛公开数据集上的实验结果表明，所提算法的平均Dice相似度系数仅低于第一名算法2.52个百分点，然而参数量与浮点运算次数分别降低了84.83%和96.67%，且平均Dice相似度系数高于第二名算法0.05%。通过对比实验分析，验证了所提算法的精确与轻量，为脑肿瘤分割模型的广泛应用提供了可能性。

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。

全脑介观神经联接研究是解析脑认知功能的神经输入输出环路结构基础、普查基因表达与细胞类型，以及绘制全景立体脑图谱的科学前沿。光学成像方法在横向方向能够达到亚微米的分辨率，并可通过多种手段实现“光学切片”的效果，具备在介观水平观测神经环路的天然优势。基于组织透明或机械切削的自动化全脑显微光学成像方法，突破了光学成像在生物组织中成像深度的限制，具有在大范围内提供介观水平精细观察的技术优势。结合各类生物样本荧光标记技术，全脑显微光学成像方法在神经环路的结构和功能的研究方面有着巨大潜力，已成为剖析全脑神经及血管网络的最佳方式。为了更全面地了解和认识这种有力的工具，总结了近年来发展的各类全脑显微光学成像方法，并展望了未来的技术发展。

为解决传统双光子显微镜进行脑皮层成像时，存在的视场小和视野与脑轮廓曲率不匹配的问题，提出了一种具有大视场弯曲视野的双光子显微物镜光学设计方案。所提方法根据赛德尔像差理论，推导出了一组用于求解同轴三反初始结构的解。在同轴的基础上，进一步优化为利用自由曲面的离轴三反成像系统。优化后系统的数值孔径达到了0.15，视野曲率半径达到了6 mm，视场角达到了9°×18°，视野大小达到了3.5 mm，系统光学性能良好。合理控制系统结构参数获得了无物理干涉下双物镜联合使用的设计方案，这有利于进一步扩大成像视野。

针对脑肿瘤良恶性分类过程复杂、分类准确率不高等问题，提出了一种基于多尺度特征与通道特征融合的分类模型。该模型以ResNeXt网络为主干网络，首先，将基于空洞卷积的多尺度特征提取模块代替第一层卷积层，利用膨胀率获取不同感受野的图像信息，将全局特征与局部显著特征相结合；其次，添加通道注意力机制模块，融合特征通道信息，提高对肿瘤区域的关注度，降低对冗余信息的关注度；最后，采用学习率的线性衰减策略、图像的标签平滑策略以及基于医学图像的迁移学习策略的组合优化提高模型的学习能力和泛化能力。在BraTS2017和BraTS2019数据集中进行实验，准确率分别达到98.11%和98.72%。与经典模型和其他先进方法相比，该分类模型能够有效地减少分类过程的复杂度，提高脑肿瘤良恶性分类的准确率。