细胞纳米结构参数可以有效反映细胞结构的细微变化，便于癌症的早期诊断。研究表明，空域低相干相位显微镜可以有效无创地探测反映细胞纳米结构参数的系统参数，但由于两者之间存在复杂的非线性关系，因此需要建立反演模型通过系统参数值反演出细胞纳米结构参数值，从而有助于实现癌症的早期辅助诊断。基于此，本文着手研究多种智能信息处理方法，通过样本训练，建立反演模型，其主要工作如下：①深入研究了偏最小二乘回归法(PLS)、BP神经网络、最小二乘支持向量机(LS-SVM)，这三种方法的工作原理和设计方法，并分别提出了基于偏最小二乘回归法、BP神经网络、最小二乘支持向量机的细胞纳米结构参数反演模型。此外，组织了多次试验对这3种反演模型进行了性能测试、比较和评价。②将粒子群算法引入到最小二乘法支持向量机中，用于优化其参数，提高该支持向量机的反演性能，从而实现了一种基于粒子群算法和最小二乘支持向量机相结合（PSO-LS-SVM）的细胞纳米结构参数反演模型，并对该模型进行了深入的性能测试、比较和评价。本文研究工作为通过空域低相干相位显微镜来实现细胞纳米结构探测提供了新的思路，为细胞纳米结构探测提供了有效的解决方法，从而为实现癌症早期诊断提供了新的理论基础和技术方法，具有较为重要的理论和现实意义。