分子影像作为一种全新且快速发展的医学影像技术,通过在体的方式在细胞和分子水平观测生物的生理变化过程,能够积极推动疾病的早期预警、靶向治疗及药物研发。在众多的分子成像技术中,基于近红外光的光学成像技术由于具有低能量、无辐射、高灵敏度、高时间分辨率等优点而得到了广泛的研究与应用。　　 光在生物组织中的传输过程是近红外光学成像研究中的重点内容,由于近红外光在生物组织中的传输行为复杂多样,主要包括反射、吸收、散射、折射、透射等行为,这些复杂行为加大了对近红外光传输问题研究的难度。本文的工作围绕光传输问题而展开,针对介质的复杂几何结构及复杂光学性质,通过分析影响光传输仿真算法速度的多种因素,从两个角度提出了加速光传输过程仿真的算法。此外,针对光传输仿真领域中仿真软件功能有限、不易扩展等问题,对光传输仿真平台进行了深入研究。具体来讲,本文的主要研究工作包括:　　 1.提出了基于体素分类的复杂介质中光传输仿真加速算法。蒙特卡罗(MonteCarlo,MC)方法是一种求解光传输过程的随机统计方法,但该方法执行效率很低。此外,介质结构及光学特性的复杂进一步降低了MC方法执行的效率。针对该问题,本文采用三角网格结构描述复杂介质中各个组织的边界,该结构能对组织边界实现任意精度的描述,同时也具有足够的灵活性,并在该结构下提出了基于体素分类的方法来减少光传输仿真过程中的计算量。该方法首先对组织所在区域进行体素划分,然后根据体素与组织区域的位置关系对所有的体素进行分类,最后通过查表法减少计算光子位置、光子路径与组织边界交点的时间消耗,从而实现对整个仿真过程速度的提高。通过仿真实验对该算法的各项影响因素及加速比进行了分析与验证,表明了该算法的可行性与可靠性。　　 2.提出了一种基于图形处理器(graphics processing unit,GPU)的复杂介质中光传输仿真加速算法。采用MC方法对光传输过程进行求解的精度可以通过仿真大量光子得到有效保证,但其速度却是一个相当大的问题。尤其当介质结构变得复杂时,将进一步加大仿真时间消耗。考虑到不同光子仿真之间的独立性,采用并行计算是一个不错的选择。在目前的并行技术中,基于GPU的并行技术受到了越来越多的关注。相比于其他的并行技术(集群计算机、多核、多线程等等),GPU在并行方面有着独特的优势。在获得同等大小的并行计算能力时,GPU的成本最低,这有利于推广并行计算在个人计算机中的应用。本文根据GPU本身特有的硬件结构、运行方式及语言格式,将GPU应用于复杂介质中光传输过程的MC仿真并行加速。程序基于英伟达公司(NVIDIA)的统一计算设备架构实现,并充分利用GPU的固定内存及纹理内存对程序进行了优化。最后在英伟达GTX260显卡及英特尔至强处理器(W3505)上进行的非匀质数字鼠仿真对比实验表明了所提算法的可行性与有效性。　　 3.设计并实现了适用于光学分子影像研究的近红外光传输仿真平台。随着光学分子影像研究研究的不断深入及相关实验的不断改进,越来越多的研究人员迫切需要一种仿真平台来辅助研究光传输过程。有鉴于此,在前人工作的基础上我们对光学分子影像仿真平台(Molecular Optical Simulation.Environment,MOSE)的结构进行了重新设计并扩展了光传输仿真功能,该平台以光学成像实验为基础,实现了光在复杂介质及自由空间中的传输过程仿真。平台分为底层结构与界面操作两个部分,底层结构完全采用标准C++语言编写,通过类继承方式保证了底层结构设计的合理性与可扩展性。文中给出了整个平台的结构设计、仿真算法、图形显示及其他设计细节,并通过多项仿真实验对MOSE的光传输仿真功能及准确性进行了验证。实验结果表明,相关研究人员通过该平台可快速实现光学成像研究中的实验仿真及数据分析,提高研究效率并降低研究成本。