在面向精准医疗的分子影像领域,荧光分子断层成像(FMT)是当前的研究热点之一。由于FMT逆问题严重的病态性,背景荧光噪声会对重建结果产生严重的负面影响。在深入研究基于有限元的FMT重建方法的基础上,提出利用低秩矩阵填充技术克服背景荧光的方法。该方法将不同激发节点形成的外表面观测组成一个有元素缺失的观测矩阵,利用低秩矩阵填充算法恢复该矩阵的缺失元素,同时抑制观测矩阵含有的背景荧光噪声。利用去噪后的观测矩阵建立了新的FMT逆问题模型,并利用其对荧光目标进行重建。单荧光和双荧光目标重建实验表明:基于去噪后FMT逆问题模型的重建结果获得了显著改善。

契伦科夫荧光的宽谱特性带来的组织光学特性差异导致传统的光传输模型的简化球谐函数近似和扩散方程无法兼顾准确度和效率, 为了解决该问题, 采用基于自适应混合简化球谐波近似-扩散方程的光传输模型作为多光谱契伦科夫荧光断层成像的前向模型.该模型利用组织光学特性参数自适应地选择合适的方程描述光在生物组织中的传输, 充分发挥传统光传输模型各自的优势, 以提供准确性和效率之间的平衡.通过简单规则几何实验和数字鼠实验验证所提出模型的准确性和效率.实验结果表明, 与简化球谐近似模型相比, 所提模型具有相同的准确度和更少的计算时间, 与扩散方程模型相比具有更高的准确度, 与简化球谐波近似-扩散方程的简单组合模型相比具有更好的自适应能力, 适合作为多光谱契伦科夫荧光断层成像的光传输模型.

荧光分子断层成像是一种高稳定性、低副作用的分子影像技术, 一直是生物光学领域的研究热点, 当激发平面位置与荧光目标位置接近时, 光源的重建结果会更好; 为了确定激发平面的位置, 提出了一种混合高斯方法, 该方法首先使用少量激发光源来获得发射光的生物体外表面分布, 再使用带剪枝策略的混合高斯模型对该分布进行拟合, 最后利用拟合后的峰值自动确定激发平面的个数和位置; 基于新激发平面的激发光源可以获得荧光分子断层成像逆问题, 进而利用该逆问题对荧光目标进行重建。实验结果表明：基于重新定位的激发平面的荧光分子断层成像光源重建结果在定位精度上显著优于原始激发平面对应的重建结果。

在非匀质成像中,器官形状是影响建模光在生物体内传播过程的重要因素,它能直接影响荧光分子断层成像(FMT)的重建过程。器官图像的手动分割过程较为复杂,且对图像质量要求较高,而边缘检测、区域生长、主动轮廓模型等自动分割方法在处理复杂医学图像时存在很大的局限性。因此,使用基于主动形状模型(ASM)的自动分割方法,对小鼠器官图像进行准确分割,并使用基于L₁范数优化的重建算法实现光源重建。为分析基于ASM的器官图像分割精度与重建精度的关系,采集小鼠计算机断层扫描(CT)数据并进行真实实验,与流行的基于Snake模型的分割算法进行比较。实验结果表明,ASM算法可以替代手动分割,不影响光源的位置重建。