乳腺癌是世界上最常见的恶性肿瘤之一,尤其在女性人群中,乳腺癌发病率远超其他癌症。病理切片仍是诊断乳腺肿瘤的金标准,但检查周期长,且依赖病理专家的经验,主观性较强。快速冰冻切片为乳腺手术中用于病理诊断的一种技术,由于其操作繁琐,医生和患者术中等待时间长。深度学习技术已广泛用于病理图像分类中,但目前研究大多基于传统染色切片的图像,无法得到细胞内的信息,不能对未染色切片进行诊断,所以不能应用于术中诊断。随着高光谱成像技术的迅速发展,其在医学诊断方向具有巨大的研究潜力,该技术可以获取组织的光谱图像信息,为生物医学提供一种有效的辅助检查方法。作为其他现有诊断技术的替代方案,高光谱提供的优势是扫描速度快、完全非侵入性、非电离和无标记的传感技术。因此,将高光谱成像技术应用到乳腺肿瘤组织未染色的快速冷冻病理切片中,既能减少人工诊断误差,也可以缩短术中医患等待时间,提高诊疗效率。本文使用了高光谱成像技术中的反射检测模式和荧光检测模式,检测乳腺肿瘤组织HE染色和未染色的快速冷冻病理切片。首先,对采集的高光谱荧光数据和高光谱反射数据进行反射率校准、导数光谱以及数据标准化等预处理操作,减少了环境、系统噪声等干扰。然后根据高光谱图像含有丰富光谱信息的特点,搭建了基于光谱特征的一维卷积神经网络（1D-CNN）模型,最终乳腺肿瘤染色切片的反射高光谱数据集和荧光高光谱数据集上的分类准确率分别达到94.95%和96.04%,未染色切片的反射高光谱数据集和荧光高光谱数据集上的分类准确率分别为91.85%和92.06%。最后,结合高光谱数据多维度的丰富信息,提出了空间结构和光谱信息联合的三维卷积神经网络（3D-CNN）分类方法,有效的提高了染色切片和未染色切片的分类准确度。通过不同样本、不同图像采集模式以及不同分类方法的比较,最终验证了未染色快速冷冻病理切片应用于术中快速辅助诊断的可行性。本文研究表明,与传统病理切片图像分类研究相比,利用高光谱成像技术,不仅对染色切片可以获取细胞内的信息,提高分类效果,对未染色切片也能达到较好的分类效果,这使未染色组织切片用于病理辅助精准诊断成为可能,对术中快速诊断设备的研发提供了理论基础,有望缩短乳腺肿瘤手术的医患等待时间,提供一种乳癌术中快速病理诊断新方法。