本文基于光强度传输方程和散射相位定理，使用微分干涉显微镜，设计了一套定量相位显微成像系统。该系统用来揭示在组织在癌变过程中，微观结构的三维改变和光散射特性的变化。同时根据组织光散射特性的变化，应用深度卷积神经网络对对癌变和非癌变的组织智能分类。病例和方案：200例肺部活检者的未染色石蜡包埋病理切片，其中包含70例正常体检者和130例肺鳞癌患者。在DIC显微镜下采病理切片集焦平面和散焦1μm处的图像，通过傅里叶变换法求解强度传输方程，获得平面光经过组织切片后的相位改变。应用散射相位定理，求解光在组织中传播的散射参数二维图包括：散射系数，约化散射系数，各向异性因子。以三个散射参数的二维图组成的三通道散射参数图为特征，使用深度神经网络和支持向量机两种机器学习算法分类。实验结果表明，通过对比正常肺部组织和肺鳞癌患者的肺部组织的光学散射参数，癌变的发病机制与组织的约化散射系数和各向异性因子高度相关：肺鳞癌组织的约化散射系数显著增大，而各向异性因子则显著减小。本文分析所得到的光散射特性参数预测肺鳞癌：通过提取肺鳞癌组织图像的纹理特征，使用支持向量机做分类，准确率可达86%；使用caffe框架搭建深度卷积神经网络准确率可达96%。而DIC显微镜以自身具有的无标记、高图像衬度等特点，文中的实验方法也可进一步用于分析新鲜或冰冻组织切片，并且在实时快速病理诊断中具有重要应用前景。