光片显微镜是近些年来研究较多的生物成像技术，相较于传统的激光共聚焦扫描显微镜而言，光片显微镜能够实现快速、低光毒性的体积成像。光片显微镜的照明光束可以选择高斯光束或其他无衍射光束（如贝塞尔光束、艾里光束等）。艾里光片显微镜是目前研究较多的技术，但是普通的艾里光片显微镜存在一个较大的问题，艾里光束具有自弯曲的特性，导致艾里光片在视场的两端超出探测物镜的景深范围，无法发挥出最优的成像效果。将艾里光束旋转45°形成平板艾里光片，使艾里光片不超出探测物镜的景深，以增大光片显微镜的成像视场。并利用双光子荧光激发技术，免除图像的后处理过程，大大提高了成像的效率。利用Matlab进行光学仿真，得到平板艾里光片显微镜的成像视场（~900 μm）比普通艾里光片显微镜的成像视场（~600 μm）增加了50% 。搭建的平板艾里光片显微镜利用荧光微球进行校正实验，得到成像系统的横向分辨率为(1.93±0.17) μm，轴向分辨率为(3.19±0.41) μm。对斑马鱼脑出血模型的实时观测中，可以得到时间分辨率为x×y×z = 0.60 mm×0.60 mm×0.40 mm/60 s 的成像结果，并可以对局部血管的生长和发育进行实时监测，有利于脑出血疾病的机制探究。

光谱消光法广泛应用于颗粒粒径测量领域, 在利用光谱消光法对颗粒粒径进行反演的过程中, 由于颗粒的消光系数存在理论复杂、 计算繁琐、 收敛速度慢以及求解不稳定等问题, 很大程度上影响了整个反演过程的快速性和准确性。 且在众多波长的消光数据中, 存在较多重复冗余的信息, 也很大程度上增加了反演算法的时间。 针对光谱消光法粒径反演算法计算繁琐、 反演效率低的问题, 提出了基于主成分分析(PCA)和BP神经网络的光谱消光颗粒粒径分析方法。 基于Mie散射理论对不同粒径、 不同波长下的光谱消光值进行了仿真计算, 通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算, 实现了最优特征波长的选取, 利用降维后的光谱消光数据训练了PCA-BP神经网络模型, 并利用该网络模型计算了粒径颗粒分布。 通过仿真计算, 比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度, 并分析了波长数目对两种神经网络模型预测结果的影响。 针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验, 搭建了光谱消光法颗粒粒径参数测量实验系统, 测量了粒径范围在0.5~9.7 μm内的6种不同粒径参数的聚苯乙烯标准颗粒。 仿真和实验结果表明: 基于主成分分析方法可确定各个波长向量之间的相关性, 利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性, 可实现光谱数据的降维。 相比传统的BP神经网络模型, 基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高, 对于较分散颗粒系的分布参数的预测有更加明显的优势。 而且, 被选取的波长数较少时, PCA-BP神经网络模型依然有较高的预测精度。 利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证, 预测结果可瞬时输出, 颗粒粒径分布误差在5%以内, 验证了该算法的可行性。