生物组织的微观结构特征可以用其光学参量表征,通过测量这些参量可以实现对生物信息的监测。漫反射光谱技术提供了一种能够用于在体测量的方法,通过定量分析像生物组织一样的浑浊介质的反射率可以得到其吸收和散射特性的相关信息。在亚扩散散射区域,组织的尺度和形态等微观结构的改变对反射光场有很大的影响,这为漫反射光谱技术提出了新的挑战和机遇。目前面临的关键科学技术问题包括数学建模（它给出了表征组织微观结构的光学参量以及反射光场与光学参量之间的关系）、亚扩散反射光的获取以及从中反演光学参量的方法。目前用于表征生物组织微观结构的光学参量主要包括g和γ,它们分别与相函数勒让德展开的一阶矩和二阶矩有关。本文主要研究了从亚扩散散射光中预测γ的方法,亚扩散散射光的获取由蒙特卡洛（Monte Carlo,MC）仿真得到。通过选取不同相函数,得到g和γ对应的空间分布漫反射率数据,利用这些数据样本训练反向传播的神经网络（Artifical Neural Network,ANN）,用于从亚扩散光中预测γ的信息。验证结果表明,在1.3＜γ＜1.9范围内,预测结果与真实值的相对均方根误差在1%以内。与现有的方法相比,所提的人工神经网络方法更加简单,且提高了预测精度。本文针对不同相函数提出了预测光学参量时各自适合的人工神经网络模型,很好地解决了γ难以预测的问题。人工神经网络方法预测γ的模型,具有快捷方便,精确度高的优点,可对医学诊断中对光学参量的实时监测提供参考。