2026年，日本筑波大学研究团队在《生物医学工程快报》发表研究成果，成功开发出一款应用于扩散光学层析成像的人工智能模型。该成像技术通过近红外光照射生物组织，无需电离辐射即可无创检测脑出血及肿瘤等内部异常。然而，传统方法依赖求解辐射传输方程进行光传播数值模拟，单次计算耗时可达数小时，严重阻碍了其在临床实时诊断中的应用。 为突破计算瓶颈，研究团队训练了一种基于神经网络的机器学习模型作为超快速模拟器。该模型能够根据异常区域的位置与尺寸，精准预测测量点的时间分辨光信号。实验表明，模型具备优异的泛化能力，即使在未见参数组合下仍能保持高精度。每次推理耗时约2毫秒，较传统仿真方法提速逾百万倍。结合统计采样技术，该系统可高效完成参数空间探索，并准确反演异常病灶的定位与尺寸。 此项突破大幅降低了扩散光学成像的计算门槛，为脑出血与肿瘤的实时、无创临床诊断提供了关键算力支撑，展现出广阔的临床应用前景。