扩散荧光层析成像（Diffuse Fluorescence Tomography,DFT）将近红外荧光剂与扩散光学层析成像技术相结合,可重建荧光目标的三维分布来反映生物特定组织的生理信息,具有高特异性、高灵敏度和无创等优势。在传统静态DFT成像基础上发展的动态DFT技术可动态检测组织体内快速变化的荧光信号,并与荧光剂药代动力学分析方法相结合获取荧光药代动力学参数图像,用于肿瘤早期诊断、分级和治疗评估等。目前静态DFT重建方法存在对噪声敏感、重建精度和空间分辨率低等问题,且需要选择合适的迭代参数（如松弛因子和正则化参数）才能获取较好的重建结果。为此,本文创新性地将自适应扩展卡尔曼滤波（adapted extended Kalman filtering,AEKF）这一非线性方法用于DFT图像重建,该方法通过引入伪动态概念,即将逆问题求解转化为一个动态的变化过程,具有无需选择优化参数且能够降低对噪声的敏感性的优点。在基于动态DFT技术的荧光药代动力层析成像研究方面,鉴于AEKF方法的优势,本实验室前期已初步开展了基于AEKF获取荧光药代动力层析图像的两种方法（间接和直接法）。然而,如何选择AEKF方法中的噪声协方差矩阵,采样周期对图像重建质量有何影响,以及当荧光剂具有不同代谢能力时,间接和直接两种方法获取荧光药代动力学参数的能力等均需要进一步评估。为此,本文主要研究包括:首先,本文发展了基于AEKF的静态DFT重建算法。本研究引入伪动态,结合DFT重建原理构建非线性状态空间方程用于AEKF分析,以获得更准确的重建图像。将该算法与传统算法对比研究,数值模拟和仿体实验结果表明该算法有效提高了荧光产率重建精度和空间分辨率。健康小鼠实验结果验证了该算法在面向活体小动物时仍能重建出真实的肝脏位置且保持在量化度上的显著优势。其次,本文对基于AEKF的间接和直接荧光药代动力层析成像进行了对比研究。首先,本文通过数值模拟选取最适用于两种算法的噪声协方差等参数。并以此为基础,探究了两种算法在不同代谢率下获取药代动力学参数的能力,为后续面向不同代谢能力时选取恰当分析方法提供理论支持。最后进行了肝损伤小鼠和健康小鼠的肝代谢实验,由重建结果验证了基于AEKF的荧光药代动力层析成像算法在面向活体小动物时的可行性及其用于评估肝功能的能力。