为增强乳腺扩散光学层析(Diffuse Optical Tomography, DOT)方法的实用性，提出了一套稳态扩散荧光光学联合断层成像系统与算法.系统采用基于光开关切换的串并混合门控光子计数检测模式，可有效实现测量时间、灵敏度和系统性价比之间的平衡；算法以图形处理器加速的蒙特卡洛光子输运模型为基础，采用了荧光DOT“导航”的血氧DOT图像重建策略，通过利用高对比度荧光DOT的先验位置信息，可有效改善血氧DOT图像重建的不适定性.仿体实验结果表明，与单独DOT方法相比，此联合方法可明显提高图像重建的定位准确度和定量性.

当前荧光分子层析(FMT)技术因假设背景光学结构均匀而导致其灵敏度、定量性和空间分辨率等主要指标与实际应用要求存在一定的差距，而基于区域标识的“粗粒度”扩散光学层析成像（区域DOT）重建算法在目标体结构先验信息的支持以及光学特性分区均匀性自然假设下能够有效获取目标体的光学结构，展开了提高FMT技术成像灵敏度的稳态测量模式下区域DOT/FMT混合成像方法的研究。数值模拟中以含有区域标记的光学数字鼠模型为背景，分别在已知数字鼠精确光学结构、利用区域DOT重建算法获取的数字鼠光学结构以及假设数字鼠各区域光学参数均匀三种背景情况下基于FMT技术重建荧光产率图像，并利用简化的仿体模型进行实验验证。结果表明，该区域DOT/FMT混合成像方法使FMT技术成像灵敏度有了显著提高，荧光产率图像具有更好的定位及量化精度。

基于球谐函数参数化描述方法和组织器官光学特性分区均匀性假设，提出了一种稳态测量模式下形状扩散光学层析(DOT)成像方法，它能同时重建组织器官的形状及其内部光学参数。该方法中，正向模型采用扩散方程的边界元数值解法，图像反演则采用Levenberg-Marquardt优化算法。用不同噪声水平下的模拟数据和简化的仿体模型分别进行了模拟和实验验证。重建结果表明，所提出的算法具有较快的收敛速度和较好的全局收敛性，并能有效地恢复目标区域的形状参数和光学参数。

为解决含有低散射、高吸收和空腔区域组织内扩散方程光子输运模型的不适用性，发展了基于图形处理单元(GPU)加速的任意复杂组织体光子输运的蒙特卡罗建模方法。在此基础上，提出了基于蒙特卡罗正向模型的时域荧光扩散层析广义脉冲谱技术法。模拟结果表明，与扩散方程相比，基于蒙特卡罗模拟的时域荧光扩散层析对含有低吸收高散射、低吸收低散射、高吸收低散射、高吸收高散射和空腔异质体的复杂组织体中荧光目标体的位置和形状都进行了更准确的重建，从而验证了这种荧光图像重建方法的通用性。

基于体元的扩散光学层析成像(DOT)重建算法和组织体光学特性分区均匀性自然假设，发展了稳态测量模式下基于区域标识的“粗粒度”扩散光学层析成像重建算法。在60 dB、40 dB和20 dB噪声水平下利用含有区域标记的光学数字鼠模型对该算法进行了模拟验证，实现了对数字鼠各组织区域吸收系数和约化散射系数的重建。利用简化的仿体模型进行实验验证，基本实现对仿体多个区域的光学参数重建。结果表明，提出的重建算法能够大幅度改善基于体元的扩散光学层析成像重建算法反演问题的不适定性，大幅度提高其成像分辨率和量化精度，并基本能从噪声数据中恢复相应区域的光学参数。

从辐射传输方程出发，应用球谐函数方法对辐射率进行多项式展开，并利用球谐函数的正交性和递推性，在二维笛卡儿坐标下，导出了三阶展开的球谐函数微分方程组（P3近似），改进了以往成像文献中忽略各项异性因子的P3近似，并用有限元方法对二维圆域均匀和非均匀两种情况做了数值模拟.与漫射近似模型相比较， P3近似能更准确地描述光源附近及吸收较强情况下边界的光辐射分布情况.

采用辐射传输方程的简化三阶球谐函数（SP3）近似作为时域荧光扩散层析成像（FDOT）的正向模型，克服了球谐函数近似法（PN）公式复杂，计算量大的缺点和扩散近似（DA）理论对于低散射组织体的不适用性。考虑到时域模式可以同时重建荧光产率和寿命，且技术上较频域模式更容易实现，因此采用时域模型，应用源自广义脉冲谱技术（GPST）的特征数据类型，将基于DA-GPST推广到SP3方程，发展了一套基于SP3-GPST的FDOT图像重建方法。数值模拟结果表明，SP3-GPST重建结果优于DA-GPST。

提出了基于二维圆域解析模型的时域扩散荧光层析图像重建算法。采用了外推边界条件下二维圆域结构的扩散方程解析解, 利用基于耦合扩散方程拉氏变换的广义脉冲谱技术和基于玻恩比的归一化逆问题模型, 实现圆柱层析模式下的图像重建。为了解决线性求逆过程中的病态问题, 采用了代数重建技术进行相应的线性求逆。并通过引入一对实数拉氏变换因子, 实现荧光产率和寿命的同时重建。利用多通道的时间相关单光子计数系统对实验仿体进行了圆柱层析式时间分辨的数据测量, 实验结果表明, 提出的重建算法对于目标体的位置和形状都进行了较准确的重建, 从而验证了该重建算法的可靠性及可行性。