漫射光层析成像的正问题理论模型（一）——蒙特卡洛模型概述

漫射光层析成像的正问题理论模型（一）—— 蒙特卡洛模型

  组织光学领域的根本问题是光在生物组织中的传输问题。目前有三种理论来研究光在介质中的传输与散射：一种是基于随机数思想的离散统计理论，也就是Monte Carlo方法，它主要通过描述单个光子与组织的相互作用来模拟光在生物组织中的吸收和散射，然后通过发射大量的光子来得到宏观的光强、反射率、透射率等物理量从而描述光在介质中的传输行为。第二种是通过求解辐射传输方程(Radiance TransportEquation，RTE)来描述光在介质中传输的辐射传输理论。第三种是通过对RTE做一定的近似处理从而使时间效率得到大幅提高的漫射方程理论，它将解析理论中对RTE的求解通过做漫射近似(DA，Diffusion Approximation)转换为对漫射方程(DE，Diffusion Equation)的求解从而减少计算量加快计算速度。通过这三种方法，我们可以推导出在特定光照条件下确定光学参数分布的生物组织中的漫射光强分布及其他物理量的理论值，从而描述光在生物组织中的传输行为。
  Monte Carlo(中文译为蒙特卡洛)方法是一种非确定性方法，在数值模拟领域，我们通常用Monte Carlo方法来表示随机实验。Monte Carlo是地中海小国摩纳哥的第一大城市，以Monte Carlo赌场闻名于世。20世纪40年代，John Von Neumann,Stanislaw Ulam和Nicolas Metropolis在洛斯阿拉莫斯国家实验室为核武器计划工作时，用随机抽样的方法在计算机上模拟了中子连锁反应，因为Ulam的叔叔经常在Monte Carlo赌场输钱，他们把这种方法叫做Monte Carlo方法。
  Monte Carlo方法是一种基于统计学的数值计算方法，以随机抽样为主要手段，其核心思想是使用随机数或更为常见的伪随机数来解决一些计算问题，很适合用在一些复杂系统的仿真中，例如空气动力学计算或者宏观经济学中。与那些通过求解一组不同的方程得到确定的解来解决问题的确定性方法不同，MonteCarlo方法是通过发射大量的相互独立的随机事件，并对其结果进行分析从而得到所求解问题的概率分布，再用统计方法得到这种概率分布的数字特征，从而进一步得到实际问题的数值解的一种方法。由于与其他的一些确定性方法相比，Monte Carlo方法在某些条件下的求解更为方便、快捷和灵活，所以他已经被广泛应用在粒子输运计算、量子热力学计算、金融工程学计算、生产管理以及生物医学等领域中。
  在使用MC方法来解决相关问题时，首先要对所求解的问题建立一个便于实现且具有一定意义的概率统计模型，这个模型的概率分布能够反映我们要求解的问题；然后确定随机变量的产生方法，也就是如何根据这个模型对随机数进行抽样，包括随机数或伪随机数的产生以及根据概率统计模型的特点建立起产生随机变量的抽样方法；接着按照实验的规则，进行成千上万次相互独立的随机抽样实验，得到实验结果，分析其数学特性，再用统计的方法求出所求解的数学期望、方差标准差等值，从而对问题中的各个变量的关系进行研究。
  模拟光子在混浊介质中的传输也是Monte Carlo方法被证明适合使用的一个领域，尤其是在生物成像领域的应用已经有多篇文章发表在国际知名的期刊和杂志上，例如人脑功能成像、乳腺癌的检测、以及小动物的成像等。凭借其在实际应用中的准确性，灵活性和通用性，Monte Carlo方法已经成为解决这些问题的标准方法，尤其是在低散介质(散射系数较小)中，其误差相比于其他方法更小，甚至可以用来作为评价其他模型的标准。光在不均匀的人体组织中的传输的模拟需要一个准确而高效的模型，Monte Carlo方法能够满足这样的要求。