近年来,红外成像技术作为一种重要的无损检测技术获得了广泛的应用,其中在生物医学领域同样取得了重要进展。研究发现,与X-光成像或超声成像技术相比较,在肿瘤的早期检测和诊断方面红外热成像技术具有特殊的优势。这是因为前者探测的是人体组织的生理学变化,后者探测的是形态学变化,而当人体某部位患病时,组织细胞的新陈代谢变化总是先于形态的变化。正是由于生物红外成像的这一特点,辅以红外热成像分析的X-光肿瘤检测可以极大地提高诊断的准确性。因此,基于红外光学的检测方法就成为了当今医学检测领域方面的重要课题,而人体热分析建模方法是此类课题的重要一环。本论文针对分层介质体热源有限元模型的建立与热源空间信息的预测进行了深入的研究,主要完成了以下几个方面的工作:1.建立了人体腿部分层有限元模型。根据临床经验参数建立了腿部分层几何结构,建立了腿部血液灌注热生成率与空间坐标位置的对应关系式,在组织基础产热的基础上加载血液灌注热生成产热与肿瘤组织产热,得到相应的仿真结果。变换肿瘤组织的半径大小及深度值,得出不同半径与不同深度的异常热源对人体腿部组织内部与皮肤表面温度场的影响。研究表明,在半径为0.50cm到0.70cm之间的小肿瘤（初期）,肿瘤尺寸越小,体表的峰值温度越高,温度分布曲线的半峰宽越窄。2.建立了人体胸部的分层有限元模型根据临床经验参数构建了胸部分层几何结构,建立了胸部血液灌注热生成率与空间坐标位置的对应关系式,该公式不仅与径向位置相关,也与该位置对应的天顶角角度相关。在人体组织基础产热的基础上加载血液灌注热生成产热与肿瘤组织产热,得到相应的仿真结果。变换肿瘤组织的半径大小及深度值,得到不同半径与不同深度的异常热源对人体胸部组织内部与皮肤表面温度场的影响。研究表明,肿瘤半径从0.50cm逐渐增大,对应于肿瘤中心位置（y轴上）的体表温度逐渐减小,在半径为0.65cm处出现拐点,此后随肿瘤半径的增大,体表温度逐渐增大。3.建立了神经网络预测模型建立了包含单层隐含层的BP网络,输入神经元数为73个,隐含层运算函数为双曲正切tan-sigmoid函数,输出层为线性传输函数（purelin）,网络训练函数为L-M反向传播算法。根据建立的胸部有限元模型,得到不同尺寸和不同位置肿瘤所引起的体表温度分布曲线,联合温度数据及其对应的肿瘤尺寸与深度信息,构成一组输入数据。按等距循环改变热源的深度及尺寸,得到150组输入数据,其中125组数据作为网络训练集,25组数据作为网络测试集。对训练后的网络进行了测试,测试集的误差分析表明表明,预测值与期望值的方均误差mse达到10^-8m数量级。论文的研究工作表明,构建符合人体分层结构的有限元模型,用以分析不同尺寸和不同深度的体内异常热源对体表温度分布的影响,是实现热源反演问题中热源信息预测的重要一环。人工神经网络具有自动判断与不断学习的特点,未来通过大量临床数据的积累,它将在人工智能辅助的红外医疗诊断领域发挥越来越重要作用。