分子影像技术是一种结合了分子生物学、化学、物理学、放射医学以及计算
机科学的医学影像技术。该影像技术可以在组织水平、细胞水平乃至亚细胞水平
上对机体的生理活动进行成像。相比于传统的医学影像技术，分子影像技术具有
高灵敏度、高特异性的优势。目前，分子影像已被广泛地应用在生物医学研究领
域。光学分子影像是分子影像的重要组成部分。它以光信号作为成像媒介，可以
在细胞和分子层面上对特定的生理活动进行无创的定性和定量研究。近年来，光
学分子影像技术得到了快速的发展，并被成功地应用到了预临床研究和临床实验
中。
激发荧光断层成像是一种重要的光学分子影像技术。相比于二维的激发荧光
成像技术，该影像技术可以获取荧光探针在生物体内的三维分布信息，进而实现
特定标记物的三维可视化。激发荧光断层成像首先利用高灵敏度探测器采集生物
体表面的荧光信息，然后利用重建方法得到荧光光源在生物体内的分布信息。传
统的重建方法依赖于光子传输模型的构建，而模型描述偏差影响了激发荧光断层
重建的精度。此外，激发荧光断层重建的逆向问题具有严重的病态性和欠定性，
这限制了激发荧光断层重建的形态学重建质量和重建速度的提升。
本文针对如上问题，开展了基于光源邻域信息的激发荧光断层重建算法的研
究。该研究主要分为两个部分：首先，在传统的基于光子传输模型的重建策略下，
利用光强的邻域分布先验知识， 设计了逆向问题中的正则项；其次， 在前期研究
工作的基础上，提出了基于机器学习的重建策略， 通过数据驱动的方式训练重建
模型， 避免了光子传输模型的构建和逆向问题的求解。 本文的主要工作和贡献如
下：
 提出了基于非局部全变分正则的激发荧光断层重建方法，提高了激发荧
光断层成像的形态学重建质量。该算法参考荧光光源在生物体内的光强
分布规律，即空间点间的光强差异与距离呈正相关，进而设计了非局部
全变分正则。该先验正则将空间点之间的物理距离转换为高斯距离，并
将高斯权重作为径向函数构建非局部全变分正则矩阵。因此，该正则矩
阵对距离较近的空间点产生较强的光强差异惩罚，而对距离较远的空间
点产生较弱的光强差异惩罚。相关的数值仿真实验和小鼠原位脑胶质瘤
模型实验的结果表明，该方法能够提供比传统重建方法更好的形态学重
建质量。
 提出了基于自适应高斯权重拉普拉斯先验正则的激发荧光断层重建方法。
该算法的先验正则改良自高斯权重拉普拉斯先验正则。此正则在空间点
的光强差异与距离呈正相关的先验假设基础上，增加了光强分布与能量
区域相关的先验假设。通过结合两个先验假设，本算法构建了基于高斯
距离和光强值的自适应高斯权重拉普拉斯正则矩阵。该正则矩阵在考虑
空间点间的物理距离的同时，还兼顾了空间点所属邻域的能量范围，进
一步减小了光源区域的荧光差异， 并且提高了光源边界处的荧光差异。
相关的数值仿真实验和小鼠原位脑胶质瘤模型实验的结果表明， 该方法
能够提高重建结果的对比噪声比，并且实现了准确的形态学重建。
 提出了基于 K 近邻局部连接网络的激发荧光断层重建方法。不同于传统
的基于光子传输模型的重建策略，该重建策略是一种基于机器学习的重
建策略。该重建策略利用神经网络从大量的样本中直接学习光子在生物
组织中传输的逆过程，避免了光子传输模型的构建和逆向问题的求解。
该重建方法的 K 近邻局部连接网络改良自全连接网络。该网络利用了空
间点的光强差异与物理距离呈正相关的先验假设，基于空间点的 K 近邻
信息设计了局部连接子网络，并将其级联在了全连接子网络之后，进而
优化了网络的形态学重建效果。此外，为了获取大量的激发荧光断层成
像样本，本重建算法利用蒙特卡洛方法仿真了若干单光源样本，并利用
样本组合的方法组装了大量的双光源样本和大光源样本。由数值仿真实
验和小鼠原位脑胶质瘤模型实验的重建结果可知，基于 K 近邻局部连接
网络的激发荧光断层重建方法能够实现准确的光源定位和形态学重建。
相比于传统方法，基于数据驱动的重建策略极大地提高了重建速度，相
应的重建时间减少了三个数量级。