本文以内源信号光学成像（OIS）为工具，主要研究内容包括两个方面：（1）研究了脑皮层中内源性低频振荡信号、呼吸信号和心跳信号等生理信号的谱值空间分布特征及其在动静脉血管分离中的应用。（2）利用术中内源信号光学成像，研究了人脑听觉皮层的多感知信息处理和整合现象，对认识人脑皮层多感知输入信息处理始于初级阶段提供了又一证据。OIS记录的脑皮层活动信号含有丰富的内源信号成分，分析这些内源性信号成分的功率谱分布及其时空特征对于理解大脑功能活动的规律具有重要意义。同时，确定以OIS为工具记录的内源光信号所反映的生理量也是脑功能光学成像的重要研究内容之一。本文通过分析脑皮层光学图像序列中主要生理信号的谱分布特征，发现低频0.1-Hz振荡信号、呼吸信号和心跳信号等生理信号的谱功率分布能够反映不同的血管网络结构模式，在区分动脉血管和静脉血管方面具有很好的效果。以此为基础，结合图像处理技术和模式识别方法，我们提出了三种分离脑皮层动静脉的方法：（一）通过多窗口谱估计方法（MTM）分析静息状态下大鼠脑皮层OIS图像序列的频谱分布，利用谱功率幅值和谱值的显著性水平（统计F检验）确定了四种非功能性（即与脑神经功能活动无关）特征频率：呼吸、心跳以及F1、F2，观察发现呼吸频率幅值能够凸显静脉血管，心跳和F1频率幅值能够凸显动脉血管，而F2频率幅值则在微血管上有显著分布，根据这四个特征频率的幅值分布特征构建四维特征向量，结合模糊聚类方法FCM和区域增长技术实现了脑皮层动脉和静脉的分离。（二）以波长为546nm和630nm的光照射大脑皮层获取内源光信号，频谱分析发现，内源功能性0.1-Hz低频振荡信号的谱值分布能够区分出动脉血管和静脉血管。具体表现为546nm光照下的0.1-Hz谱值在动脉上最高，在静脉上最低；与之相反，630nm光照下的0.1-Hz谱值在静脉上最高，在动脉上最低。根据0.1-Hz信号的这一谱分布特征，结合多尺度匹配滤波器的血管分割技术，可直接从两种波长的0.1-Hz谱值特征图上分割出动脉和静脉。性能评估结果表明，0.1-Hz方法比现有方法能更有效的分离动脉和静脉，特别是在分离小动脉和小静脉方面效果尤为显著。（三）在时间域和空间域，通过典型相关分析（CCA）和独立成分分析（ICA）分解脑皮层内源光信号，选取分解成分中能够反映不同类型血管分布的特征信号——低频振荡、呼吸和心跳信号——作为特征向量，其中时域信号成分需要计算相关系数图作为分类特征向量，空间域信号成分则直接作为分类特征向量。将特征向量用于SVM分类器，实现动静脉血管的分类。在该方法中，时间域CCA和ICA方法提取出来的呼吸信号比空间域方法和频率域方法确定的呼吸信号能更好的突出静脉和抑制动脉，而空间域CCA和ICA方法提取的心跳信号则比时间域方法更好的突出动脉和抑制静脉。实验结果显示，CCA方法在分离静息状态下的动静脉方面的性能要优于ICA方法。另一方面，我们利用OIS系统观测记录了手术中人脑颞上回听觉皮层对声音刺激和体感刺激的响应情况，内源光学成像能够提供比fMRI更高的空间分辨率和时间分辨率，从而使我们能够更详细地了解待观测皮层区域的血液动力学响应。OIS实验发现体感刺激同样能激活人脑听觉功能区（Brodmann41区和42区），激活区域分布在初级听觉皮层42区局部及周边，表明多感知信息处理模式也存在于人脑听觉皮层。我们的实验结果为多感知处理和整合发生在脑皮层信息处理的低级阶段这一现象提供了新的证据。