荧光分子断层成像(Fluorescence Molecular Tomography,FMT)是一种光学成像的新技术,可以从分子层面对病灶进行监测观察,为疾病的诊断提供帮助。根据动物体表产生荧光分布,使用合适的重建算法计算得到荧光目标。在实际应用中,肿瘤粘连、癌细胞扩散等实际问题需要对多目标荧光分子断层成像有进一步的研究。多目标的情况下,提供单独子目标的定位误差和个体分布信息才可以方便局部治疗。多目标的重建和所有子目标的识别都是十分必要的。目前,研究人员已经设计出很多重建算法。大部分重建算法在单目标实验中都有着很好的计算效果,但在多目标实验中却无法进一步确定子目标。与传统重建算法不同,本文提出一种新的多目标FMT的研究思路。将多目标重建视为基于重建结果的聚类问题,把聚类算法引入FMT应用中,提高重建精度和子目标识别精度。本文的工作进也一步证明了FMT中多目标分辨的必要性。具体研究工作如下:1)基于经典聚类方法的多目标FMT重建的对比分析。首先将经典的K均值算法引入FMT中,并进行实验验证其计算性能。实验结果表明,K均值算法在FMT中的应用准确性不高,对初始点的选取太过敏感,容易发生错误聚类。然后使用自组织映射网络SOM(Self-organizing Maps)对重建结果进行聚类。实验结果表明,SOM的聚类性能稍好,但无法得到聚类中心方便进一步提高聚类精度。经典的聚类算法在FMT中的应用会产生各种各样的问题,如K-means聚类精度不高、SOM无法计算类中心。2)针对经典的聚类算法存在的各种问题,我们将同步聚类算法引入FMT中,作为重建算法的后处理算法,对重建结果进行聚类分析。每个数据点看做一个相位振荡器,相类似的数据对象发生影响,相互作用并逐渐聚合,形成聚类。经由匀质仿体实验和数字鼠实验,验证了基于同步聚类的多目标FMT重建的正确性和稳定性。实验结果表明该算法可以提高单独目标的重建精度,计算得到聚类中心,且无需将光源数目作为先验信息。3)基于同步聚类的多目标FMT重建只使用了重建结果的三维空间信息,未使用荧光产额信息。在重建结果中心处,节点所对应的荧光产额值高,而在边缘处的节点对应的值比较低。根据这样的特点,改进同步聚类算法迭代公式,有效的使用了重建结果的空间信息和荧光产额信息。经由多组匀质仿体和数字鼠仿真实验,验证了基于同步聚类的多目标FMT重建的改进算法的聚类能力、稳定性和正确性。经由对照实验,验证了本文提出的两种算法的聚类机能。实验结果表明改进后的算法具有很好的稳定性和准确性,并且可以计算得到更精确的聚类中心、误差率更低、对参数的选择更不敏感,算法更稳定。最后对比了四种聚类算法在FMT中的应用,实验结果表明原始基于同步聚类的多目标FMT应用及其改进算法具有更好的正确性和稳定性,在不同的情况下都可以得到正确的实验结果。