熒光分子層析成像(Fluorescence molecular tomography，FMT)是一種可深度分辨的宏觀尺度的光學分子成像模式，它能夠無損地獲取生物組織中熒光探針的光學特性，例如熒光壽命、熒光量子產率、組織對熒光的吸收系數和散射系數等，在早期腫瘤檢測、藥物研發等多種生物醫學研究中有著廣泛的應用。FMT正向問題的精度極大的依賴于組織光學參數的準確性。然而，由于生物組織微環境的復雜多樣性和測量技術的限制，不同組織的光學參數測量值總是存在較大的誤差。光學參數建模不準會導致較大的FMT正向問題求解誤差，而FMT的逆向問題又具有高度的病態性，病態性高意味著圖像重建過程對于各種誤差非常敏感，因此，光學參數不準確最終導致重建的圖像偽影多。
武漢光電國家實驗室駱清銘教授領導的科研團隊基于貝葉斯理論，率先提出了一種用于補償FMT光學參數建模誤差的變參數先驗貝葉斯近似誤差(Bayesian approximation error, BAE)法。該方法通過動態改變先驗分布的協方差矩陣，有效地將解的稀疏先驗信息引入到BAE的重建框架中，通過補償光學參數建模誤差提高了對熒光團分布重建的準確性，以及對重建圖像偽影的抑制作用。2017年7月，該研究工作“促進稀疏性的貝葉斯近似誤差法用于熒光分子層析成像光參建模誤差補償(Sparsity-promoting Bayesian approximation error method for compensating for the mismodeling of optical properties in fluorescence molecular tomography)發表在美國光學學會OSA的期刊Optics Letters (Vol. 42, No. 15, pp. 3024-3027, 2017)上。
該研究受到重大研究發展計劃(2016YFA0201403)、國家創新研究群體科學基金(61421064) 和中央高�；究蒲袠I務費專項資金 (2016YXMS035) 資助支持。
