介观荧光分子层析成像（Mesoscopic Fluorescence Molecular Tomography,MFMT）作为一种新的、有前景的非接触式成像模态,能进行分子水平的高分辨率成像,可实现对肿瘤的早期筛查,于临床前研究而言具有重要的参考价值。MFMT借助高灵敏的近红外光子检测仪器,在生物组织表面采集荧光信息,结合前向模型模拟的包含生物组织光学参数的敏感矩阵,通过三维重建技术实现对肿瘤病灶区荧光探针空间分布的成像和重建。然而,MFMT重建属于典型的逆向求解问题,高度病态性、不适定性以及大规模数值计算问题是该类问题亟待解决的难点。为解决上述难点,本文围绕联合代数重建算法和快速迭代收缩阈值算法进行MFMT重建探索,主要研究内容如下:（1）针对MFMT重建的大规模数值计算问题设计了一种基于主成分分析的双重预处理方法,对重建所使用的大规模敏感矩阵按照先行后列的顺序依次进行去冗余降维处理,同时为保持重建结果与目标数据的一致性,采用零填充的方法将降维后的矩阵恢复至原始维度。该方法与常规主成分分析（Principal Component Analysis,PCA）方法相比较,可以明显提升重建效率,具有操作简单、灵活快速的特点,在对大规模数据处理方面具有可行性。（2）针对MFMT逆问题所面临的因为高病态性而导致的对噪声敏感的问题,提出了一种基于联合代数总变差的快速三维重建算法。该算法将联合代数重建技术（Si-multaneous Algebraic Reconstruction Technique,SART）与应用Split Bregman求解的三维总变差（Total Variation,TV）正则化方法相结合,可在快速稳定重建的基础上,进一步提升算法对噪声的鲁棒性。计算机数值仿真实验验证了该重建算法具有较好的噪声鲁棒性和较高的重建精度。（3）为进一步提升MFMT重建的速度,提出了一种基于自适应快速迭代收缩阈值的稀疏重建算法。考虑到组织中特异性荧光标记物分布的稀疏性和非负性,引入L1和L1/2混合的正则化项作为快速迭代收缩阈值算法（Fast Iterative Shrinkage-Thresholding Algorithm,FISTA）的惩罚项,并采用自适应方法来选择正则化因子,以实现更加快速精准的重建。计算机数值仿真实验和血管树模型实验证明了所提算法在介观尺度下荧光探针空间分布重建中的有效性,其既能在进一步提升重建速度的情况下获得较高精度的重建结果,又具有较高的噪声鲁棒性。