扩散光学断层成像无创、便携和易用的特点,使之作为一种重要的检测手段,在危重症病房病人、儿童和婴儿等人群的脑功能检测领域具有很大的潜力。然而,扩散光学断层成像图像重建过程中的欠定性和病态性,导致图像空间分辨率和定位精度远未达到临床诊断的要求。因此,提高扩散光学断层成像质量的研究,对促进它在脑功能方面的广泛应用具有重要意义。本文利用磁共振成像中获得的解剖信息,建立特定受试者头模,实现扩散光学断层成像的重建,可避免目前使用半球头模或图谱头模以及重建过程中所解方程的欠定性和病态性带来的空间定位不准的问题,进而提高扩散光学断层成像质量。论文研究的主要工作包括:根据磁共振图像特点,结合阈值、混合水平集和数学形态学等多种分割方法,将人脑组织分成头皮、头骨、脑脊液、灰质和白质五部分;研究了带有组织标记的三维体数据网格生成算法,开发了一个三维医学数据网格生成工具包,可生成质量较高的四面体网格;为了把真实的解剖信息引入扩散光学断层成像系统中,研究了空间配准算法,将光学成像系统中光源和检测器的坐标值变换到磁共振成像空间;此外,利用结构化体绘制和非结构化体绘制算法,分别提供了磁共振图像和光学图像的三维显示和交互操作。为了进一步提高扩散光学断层成像系统的精度,本文根据不同分类策略建立受试者头模,利用点扩散函数模拟成像系统在点源激励下的响应,重建光学图像,用位置误差、空间分辨率和最大距离评估所建头模对成像质量的影响。实验结果表明,将大脑分成头皮、头骨、脑脊液和灰质-白质四部分时,重建的图像质量最好。论文最后给出了利用上述最优分类策略所建立的有限元模型,重建视觉皮层刺激响应的实验,得到了符合生理意义的结果。