切伦科夫发光断层成像(Cerenkov Luminescence Tomography,CLT)技术是近年来新兴的光学分子影像技术之一。CLT技术基于切伦科夫辐射进行成像,但切伦科夫辐射并非同位素衰变的直接产物,导致其强度值很低,且在生物组织中传输过程复杂,这些因素导致重建过程较为困难,重建位置与真实目标存在偏差,因此在大范围临床应用中受到了限制。本文使用无监督聚类方法,针对CLT技术所面临的单视图重建困难,以及重建结果存在伪影与噪声这两大问题进行了一定的探讨与研究,具体工作如下:(1)针对单视图CLT重建困难,重建精度较差这一问题,提出了一种新型CLT重建框架。该框架基于模糊C均值聚类算法和迭代收缩可行域策略,以每一次的重建节点能量值作为聚类特征值,将每一次的重建结果进行聚类,保留光源信息,去除无用信息,将其作为下一次的目标可行区域。在文中设计进行了多种模拟实验与真实仿体实验,证明了该方法的可靠性、准确性和稳定性,可以有效提升单视图重建的质量。(2)针对CLT重建结果中存在伪影与噪声的问题,提出了一种基于人工神经网络的CLT处理方法。该方法应用自动编码器神经网络,结合模糊数集合概念与近四元素场概念,直接对重建结果进行处理,该方法仅需要进行一次重建计算,减少了多次重建的时间,降低了迭代的误差与干扰。相对于当前光学分子影像中广泛使用的人工阈值过滤方法,所提方法减少了人为因素对重建结果的影响。在文中设计了不同情况下的模拟实验与多种物理仿体实验,证明了该方法在不同情况下的通用性,为CLT重建提供了一种新的思路。