為了實現血液中肝癌細胞的自動識別，本文基于主成分分析（PCA）和反向傳播（BP）神經網絡算法對三種細胞（小鼠的白細胞、紅細胞和人體肝癌細胞 HepG2）進行了識別研究。利用光纖共聚焦后向散射（FCBS）光譜儀獲取光譜數據后進行 PCA，選取前兩個主成分作為光譜的特征，建立一個具有 2 個輸入層節點、11 個隱層節點、3 個輸出節點的神經網絡模式識別模型。選取 195 例對象數據訓練該模型，隨機抽取 150 組數據作為訓練集，45 組數據作為測試集，驗證模型給出的細胞是否識別準確。結果顯示三種細胞的整體識別準確率在 90% 以上，平均相對偏差只有 4.36%。實驗結果預示采用 PCA+BP 算法能夠從紅細胞和白細胞中自動識別肝癌細胞，這將為研究肝癌的轉移與肝癌的生物代謝特性提供有利的工具。
在光聲成像中，超聲信號通常需要采用接觸傳感器探測，這使其在很多應用中受到很大的限制，如腦功能成像。為了替代接觸探測器實現非接觸的光聲層析成像（NCPAT），激光干涉技術被用于遠程獲取超聲信號。本文搭建了非接觸光聲層析成像系統，系統采用波長為 532 nm、能量 17.5 mJ/cm2 的激光作為光聲激發源，激光外差干涉儀作為光聲信號的遠程探測系統，對實際生物組織模型進行了旋轉幾何的光聲信號探測。利用激光外差干涉儀探測到的光聲信號，進行反投影算法的圖像重建。實驗結果表明在具有組織散射特性的模型中，激光外差干涉儀在 2.25 MHz 帶寬（峰值下 15 dB 強度的信號寬帶）下，NCPAT 成像系統可以識別 500 μm 直徑的黑色微球，并實現了在強散射介質中多層結構的光學對比成像。這將擴展光聲和超聲在體成像在生物醫學領域的應用范圍。