荧光分子层析(FMT)成像是一种具有深度分辨能力的宏观光学成像技术，可定位和量化生物体内的荧光分子探针，在蛋白质相互作用研究、药物作用机制解析以及肿瘤治疗效果评价等方面具有巨大的应用潜力。然而，FMT的一个关键挑战是其逆向问题具有高度病态性，这意味着图像重建对测量噪声及各种数值误差非常敏感。要获得良好的图像重建结果，除了尽可能提升系统的性能以减小测量噪声外，还主要取决于两个方面：一是提高正向问题求解的精度以降低数值误差；二是缓解逆向问题的病态性使其抗噪声能力更强。本综述介绍了目前FMT图像重建在这两个方面的研究进展。

提出一种基于并行BP神经网络的近红外光断层成像(Near-infrared optical tomography, NIR OT)图像重建算法，利用BP神经网络来表征生物组织内部光学参数的 空间分布和边界光强之间的非线性映射关系。该方法将一个复杂的模型分解成简单的模型分别建立并行的神经网络。利用Femlab软件完成基于有限元的稳态扩散方程的 两个简单模型的正向问题求解，根据提出的平均优化散射系数和正向问题训练的大量数据集合，建立并训练并行神经网络，通过对两个网络结果的分析，实现快速获得 更复杂模型的光学参数的重构。算法能够快速识别特异组织的位置和准确反映热疗过程中生物组织的优化散射系数的变化趋势。