荧光分子断层成像是分子影像领域中的一种光学成像模态,其通过外置的光源照射生物体内的荧光团发光,然后用探测器测量体表的荧光强度,最后通过求解逆问题来重建荧光团在生物体内的三维分布。然而由于测量的荧光数据局限于体表,生物组织对光的散射和吸收作用以及测量噪声的存在,导致重建问题的病态性严重,重建的荧光团边缘比较模糊,目标识别较为困难。尽管设置较多的激发点可以测量更多的数据从而提高重建的质量,但其增加了数据采集和处理的成本,同时也影响了成像的速度。围绕实现更快更准确的重建以及后处理中的多目标识别问题,具体研究工作如下:(1)基于迭代自组织数据分析技术算法(Iterative Self-Organizing Data Analysis Technique Algorithm,ISODATA)的分区可行域选取。在测量数据较少的情况下,有效利用可行域信息可以提高重建图像的质量。为了实现多目标重建时也能准确地选取可行域,在应用改进的ISODATA和分区可行域选取策略的基础上,提出了基于ISODATA的分区可行域选取方法。先用ISODATA在初始的重建结果中识别出各重建目标的区域,然后在每一个目标区域处分别通过阈值比较选取部分可行域,将所有的部分可行域合并在一起得到最终的可行域,最后在所选可行域上再次重建。为了验证提出的方法在应用中的可行性和有效性,设计了使用荧光数据量不同的多组测量数据分别重建三个目标荧光团的对比实验,每一种重建条件下分别使用阈值法、区域收缩法和本文提出的ISODATA方法选取可行域。实验结果显示,2个投影数据用于重建时,只有使用ISODATA方法可以较准确地重建出所有荧光源的位置;4个投影数据用于重建时,使用ISODATA方法选取可行域的重建结果的平均位置误差和荧光产额相对误差是最小的,而使用阈值法的重建偏差很大。因此,在测量数据较少时,本文提出的方法可以准确高效地选取可行域,提高重建的精确度和鲁棒性。(2)基于ISODATA的荧光分子断层成像的多目标识别和多种识别方法的性能对比。多目标识别是荧光分子断层成像应用中的一种后处理,由于重建结果存在偏差,识别距离较近的多个目标较为困难。把ISODATA应用于荧光分子断层成像的多目标识别问题中,并根据问题的实际要求调整参数。同时引入近邻传播(Affinity Propagation,AP)+K-means混合聚类算法和同步聚类(Synchronization-based Clustering,SC)算法,与提出的方法一起进行荧光产额的多目标识别。为了对比分析三种方法的识别性能,分别设计了对模拟产额和重建产额进行荧光目标识别的实验。实验结果显示ISODATA的识别速度是最快的,识别耗时在1秒以内,明显优于另外两种方法,但识别的位置准确度略低于AP+K-means混合聚类算法,而SC算法的识别位置准确度较差且运行时间最长。