При проведении хирургических операций по удалению опухолей мозга критически важной для снижения частоты рецидивов является полнота удаления всех пораженных участков мозга без нарушения функциональности жизненно важных органов. Поэтому дифференциальная диагностика микроучастков опухолевой ткани с последующим их удалением или деструкцией является актуальнойзадачей, определяющей успех операции в целом. Оптическая спектроскопия за последние десятилетие показала свои преимущества при использовании в качестве инструмента интраоперационной метаболической навигации. И одним из наиболее многообещающих вариантов развития этой технологии является спектрально-разрешенная визуализация. В настоящий момент разработаны методики как спектрально-разрешенной визуализации в диффузно-отраженном свете, позволяющие, например, картировать распределение сатурации гемоглобина кислородом в зоне интереса, так и системы визуализации флуоресценции, как эндогенной, так и индуцированной введением в организм пациента флуоресцентных маркеров. Эти системы обеспечивают быстрый анализ тканей по составу исследуемых хромофоров и флуорофоров, позволяя нейрохирургу во время операции дифференцировать опухолевые и нормальные ткани, а также функционально значимые зоны. Не менее важным направлением применения спектрально-разрешенной визуализации являются методы, основанные на картировании характеристик, получаемых из спектров комбинационного рассеяния, однако, в силу меньшего сечения процесса эти методики используются ex vivo, как правило, для срочного анализа только что удаленных образцов тканей. В настоящей работе мы сделаем фокус как на физических основаниях таких методов, так и на весьма важном аспекте их применения – методах машинного обучения для обработки таких изображений и классификации тканей.