中文摘要：

在体光学投影断层成像(Optical projection tomography, OPT)是一新兴的成像模态，能同时实现结构成像和分子特异性成像，以及对样品的连续动态观测，空间分辨率高、成像速度快、设备成本低，在生命科学研究中具有重要的应用价值。本项目基于数据一致性条件，研究不依赖于特征点的OPT运动参数估计方法，直接从投影数据中提取样品的运动参数，解决在体OPT成像的运动伪影问题；基于压缩感知理论，挖掘OPT图像潜在的稀疏特性，将OPT重建转化为稀疏信号的恢复问题，采用联合代数迭代技术与图像总体变分的重建策略并结合加权l1范数，解决稀疏投影数据下的OPT重建问题；基于图形处理器(Graphics processing unit, GPU)加速技术并结合算法优化方法,提高重建算法的运行速度；通过仿真实验和生物学实验验证算法有效性。本项目将促进在体OPT技术的进步及其在生命科学领域的应用。

结论摘要：

光学投影断层成像(Optical projection tomography, OPT)能实现1-10mm微小样品的结构成像和分子特异性成像，具有空间分辨率高、成像速度快、设备成本低等优点，在生命科学研究中具有重要的应用价值。本项目针对在体OPT成像面临的一系列问题开展相应的研究工作。针对在体OPT成像中活体运动产生的运动伪影问题，基于Helgason-Ludwig 数据一致性条件，提出了一种不依赖于特征点的OPT 运动参数估计方法，该方法可以直接从投影数据中提取样品的运动参数，有效解决了在体OPT 成像的运动伪影问题；针对OPT大样品成像问题，提出了一种基于正弦图的OPT成像拼接方法，从而有效扩大了OPT的成像视野以便进行大样品的成像；针对OPT成像中旋转中心确定的问题，提出了一种OPT扫描旋转中心自动搜索的有效方法，并采用图形处理器(Graphics processing unit, GPU)加速技术进行加速，使得该方法具有较强的实用性；针对稀疏投影成像问题，基于压缩感知理论，挖掘OPT 图像潜在的稀疏特性，采用联合代数重建技术(Simultaneous algebraic reconstruction technique, SART）构建数据保真项，然后分别研究了基于总体变分(Total variation，TV）正则项和基于范数自适应正则项的稀疏重建方法，实验结果表明范数自适应较TV方法具有更好的成像效果。针对OPT稀疏投影迭代成像计算量非常大的问题，采用GPU加速技术对迭代前向投影进行了硬件加速，使得距离驱动和射线驱动投影方法的计算速度比CPU分别提高了69倍和224倍。为了验证算法有效性，构建了一套OPT成像原型系统，开展了相应的OPT活体成像研究。计算机仿真实验和活体生物样品成像实验结果验证了我们方法的有效性。本项目取得的研究成果将促进在体OPT 技术的进步及其在生命科学领域的应用。