光学层析成像是近年来广为关注的一种新型医学成像技术。它以近红外光作为光源照射生物组织，对组织体的光学属性参数进行成像。由于组织的光学属性参数与组织中的血流量以及血液的氧饱和度等功能信息直接相关，因此该成像方式是一种功能性成像方式。与现有的其它成像技术（如：X-射线计算机断层扫描成像等）相比，光学层析成像具有无放射性损伤、成像设备价格低廉、可对患者进行长时间监控等优点。光学层析成像技术可以实现疾病的早期诊断和治疗，具有广泛的医学应用前景，但其图像重建是一个高度病态、耗时的过程，成像速度是制约该技术广泛应用的关键因素，且成像的精确性直接取决于光子传输模型的选择。为快速获得高质量的生物医学图像，本课题将重点研究扩散方程下光学层析图像的形状重建算法。提出了一种非均匀介质下基于形状光学层析成像技术(OT)的图像重建数值方法。首先，针对当前区域重建算法的现存问题，建立非匀质生物组织背景下多异常区域（病变组织）边界和光学参数的同时重建算法框架，研究适合于多异常区域重建的区域边界表示技术；其次，鉴于目前逆向重建算法慢、易陷入局部最优的弊端，研究具有全局收敛特性的、更快的逆向重建策略。扩散光学层析成像重建算法问题数学上被视为一个基于光子传输模型的应用优化问题，即应用适合的搜索策略寻求光学参数的合理空间分布，以实现测量与模型估计量之间的最佳匹配。本文采用微扰法求解重建算法所需的雅可比(Jacobi)矩阵，对目标函数进行线性化近似，把反演问题归结为一个线性系统的迭代求解过程，应用Levenberg-Marquardt方法进行迭代优化。具体重建算法思想为：假设正常区域的光学参数已知，光子传输模型由扩散方程描述，并用有限元法作为正向模型的数值求解方法，用曲线表示异常区域的边界，且实现了异常区域位置和光学参数的同时重建。研究表明，本文提出的图像重建算法能提供更加快速的、具备鲁棒性的光学层析图像重建算法，能准确的恢复异常区域的形状参数和光学参数，有助于实现生物体生命特征的在体、实时监控，推进光学分子影像技术在临床诊断以及治疗中的应用。