骨质疏松症(osteoporosis)是一种常见的全身性代谢性骨病,以单位体积内骨量减少及骨微结构改变为特征,多见于绝经后妇女和老年男性。骨质疏松的严重后果为发生骨质疏松性骨折,即在受到轻微创伤时或日常活动中即可发生的骨折。近年来,骨质疏松在我国的发病率逐年提升,已经成为了危害我国老年人健康的一大隐患,甚至发病人年龄有年轻化的趋势,因此寻找一些快速,有效的检验骨质疏松的方法成为了当务之急。本文主要是探究一些诊断骨质疏松的新型方法,包括传统的定性的频谱分析法和新型的定量的机器学习方法。近年来宽带超声频谱法(QUS)是一种新兴的检测骨质疏松的定性方法,主要通过斜率的变化趋势来确定骨质疏松的变化程度。我们首先通过数学推导来证明光声频谱法对骨质疏松检测的可行性,然后我们通过光声频谱的变化趋势和宽带超声频谱进行对比,来展示光声频谱法的确可以定性的检测骨质疏松的变化情况。仿真实验和实际实验都证明了两者具有相同的变化趋势,我们根据骨质疏松的腐蚀程度不同确定了光声频谱变化的趋势,再根据三组骨质情况差异的骨质信号光声频谱与超声频谱对比得出了结论。除了定性的方法,本文还研究了探测骨质疏松的定量方法。我们主要采用了k-means聚类,svm支持向量机,cnn卷积神经网络三种方法。对于前两种方法,我们提取了一些包括峰值,均值,频谱斜率等在内的十多个特征向量来作为参数进行训练,而cnn则是把信号当做一维图像对它进行分类,最终svm和cnn取得了分类的较好的效果。