擴散光學層析成像（DOT）逆問題病態性嚴重。傳統方法成像精度不高，計算耗時，制約了 DOT 技術的臨床應用。因此，本文提出一種基于棧式自編碼器（SAE）的 DOT 逆問題求解方法。首先采用傳統 SAE 方法代替迭代方法進行逆問題計算，其次改進了 SAE 神經網絡的輸出結構，使用單輸出 SAE 降低單個網絡負擔，最后將改進 SAE 方法與傳統列文伯格-馬夸爾特（LM）迭代方法、傳統 SAE 方法進行仿真比較。結果表明，本文所提方法逆問題求解平均用時只有 LM 迭代方法的 1.67%，實驗模型下均方誤差（MSE）值較迭代方法降低了 46.21%，較傳統 SAE 方法降低了 61.53%，圖像相關系數（ICC）值較傳統方法提升了 4.03%，較傳統 SAE 方法提升了 18.7%，并且在 3% 噪聲條件下具有良好的抗噪性。通過本文的研究結果證明，改進后的 SAE 方法相較于傳統 SAE 方法具有更高的圖像質量及抗噪性，同時相較傳統迭代方法具有較快的計算速度，有利于神經網絡在 DOT 逆問題計算中的應用。