CT模态和光学分子模态的融合,能在病情早期检测出生物体内部深层的脑胶质瘤,可对肿瘤进行精确的定位和定量分析。但脑胶质瘤的双模态三维断层重建是一个病态问题,且其有着严重的不适定性。本文使用基于小支撑集的随机增强自适应算法对脑胶质瘤进行了双模态影像重建,并将其应用到医学研究当中。本文的主要工作如下:提出了一种基于小支撑集的随机增强自适应算法来进行荧光光源重建。基于小支撑集的随机增强自适应算法是一种贪婪追踪算法,通过随机策略选择不相关的原子,并对属于上一次迭代过程支撑集中的新加入的元素进行事先舍弃,提升了算法的收敛性。一个非匀质仿体模型被用来验证所提算法在生物自发荧光断层重建上的可行性。所提出的算法能有效地区分来自背景的荧光信号,在重建效率方面比改进前的随机增强自适应算法提升了一倍;接着进行了活体荷瘤小鼠双模态数据的采集和预处理工作,然后运用了基于小支撑集的随机增强自适应算法来进行肿瘤重建。最后将光学分子影像三维断层重建运用到了实验研究中:基于多模态成像系统通过生物自发荧光断层成像(BLT)评估了替莫唑胺对原位脑肿瘤的化疗疗效;并且进行了基质金属蛋白酶激活的近红外荧光成像实验和图像引导的原位脑胶质瘤切除术。