光学CT作为一种新成像技术在医学上已逐步引起重视。该技术使用近红外光进行成像,对生物组织具有无损伤且具有其它成像方法所没有的一些优点。针对光学CT技术目前成像速度较慢,难以实现临床应用的缺点,本文采用基于BP神经网络方法进行快速光学CT图像重建,将光学CT图像重建问题转化为优化问题来求解,从而达到快速生物组织如脑,乳腺等光学参数分布图像重建的目的。论文首先介绍了光在组织中的传播理论,阐述了光学CT成像的正向问题和逆向问题。在进行图像重建研究时,运用FEMLAB软件建立正向模型,得到大量仿真数据,为BP网络提供训练样本。然后基于正向模型建立求解光学CT逆向问题的BP神经网络模型,把逆向问题的求解转化为一个优化问题。通过仪器测量数据与理论数据构造标准差优化函数进行光学参数的优化。采用一种基于Levenberg-Marquardt优化算法的改进型BP神经网络方法来解决逆向问题。通过交互检验法对网络进行训练和测试,经过多次训练和参数调整,成功得到有效的神经网络和重构结果,完成了神经网络图像重建过程。最后通过模拟胶实验验证了基于BP网络的光学CT参数重构结果,同时实现了光学参数分布的图像重建。从理论仿真结果与模拟胶实验结果比较,确认了神经网络图像重建技术的可行性。论文实现了基于BP神经网络的光学CT图像重建方法,能够快速进行光学参数图像重建,重建结果理想。本文的图像重建方法为以后光学CT图像重建的深入研究打下了基础,具有重要的参考意义,这种原始性创新的图像重建方法也为其他成像理论提供了新的思维模式,对医学影像图像重建技术发展具有一定的参考价值。