荧光分子层析成像（Fluorescence molecular tomography，FMT）是一种可深度分辨的宏观尺度的光学分子成像模式，它能够无损地获取生物组织中荧光探针的光学特性，例如荧光寿命、荧光量子产率、组织对荧光的吸收系数和散射系数等，在早期肿瘤检测、药物研发等多种生物医学研究中有着广泛的应用。FMT正向问题的精度极大的依赖于组织光学参数的准确性。然而，由于生物组织微环境的复杂多样性和测量技术的限制，不同组织的光学参数测量值总是存在较大的误差。光学参数建模不准会导致较大的FMT正向问题求解误差，而FMT的逆向问题又具有高度的病态性，病态性高意味着图像重建过程对于各种误差非常敏感，因此，光学参数不准确最终导致重建的图像伪影多。

武汉光电国家实验室骆清铭教授领导的科研团队基于贝叶斯理论，率先提出了一种用于补偿FMT光学参数建模误差的变参数先验贝叶斯近似误差（Bayesian approximation error, BAE）法。该方法通过动态改变先验分布的协方差矩阵，有效地将解的稀疏先验信息引入到BAE的重建框架中，通过补偿光学参数建模误差提高了对荧光团分布重建的准确性，以及对重建图像伪影的抑制作用。2017年7月，该研究工作“促进稀疏性的贝叶斯近似误差法用于荧光分子层析成像光参建模误差补偿（Sparsity-promoting Bayesian approximation error method for compensating for the mismodeling of optical properties in fluorescence molecular tomography）发表在美国光学学会OSA的期刊Optics Letters (Vol. 42, No. 15, pp. 3024-3027, 2017)上。

该研究受到重大研究发展计划(2016YFA0201403)、国家创新研究群体科学基金(61421064) 和中央高校基本科研业务费专项资金 (2016YXMS035) 资助支持。

图1 实验系统

图2 图像重建结果。图中展示了实验模型示意图，以及未补偿和补偿光学参数误差后的重建结果。其中采用变参数先验BAE法重建的荧光棒的位置和形状最为准确，且伪影最少。