辐射传输理论：从光子到数学方程
大家好，我是这门课的主讲。今天咱们聊聊辐射传输理论——说白了，就是光在生物组织里怎么跑的问题。
我最早接触这个课题，是在做皮肤光学检测的项目。当时想用近红外光测血糖，结果发现光在皮肤里根本不是直线传播的。它会被散射、被吸收，路径乱七八糟。嗯，这就引出了我们今天的主角——辐射传输方程。
辐射传输方程（RTE）的推导
先问个问题：一束光打进组织，能量怎么变化？
咱们从能量守恒的角度来想。考虑一个微小体积元，光能量变化由四部分组成：
- 衰减项：光被吸收和散射出去的能量
- 增益项：从其他方向散射进来的能量
- 源项：组织内部自发光（比如荧光）
写成数学形式，就是辐射传输方程：
s · ∇L(r, s) = -(μa + μs)L(r, s) + μs ∫ p(s, s')L(r, s') dΩ' + Q(r, s)这里L是辐射亮度，μa是吸收系数，μs是散射系数，p是散射相位函数。
物理意义很直观：左边是光沿方向s的变化率，右边第一项是损失，第二项是散射进来的增益，第三项是光源。
我在项目中遇到过一个问题：直接解RTE太慢了。生物组织通常有复杂的几何形状，数值求解RTE需要巨大的计算量。所以我们需要简化。
漫射近似方程的推导
什么时候可以简化？当散射远大于吸收的时候。
生物组织在近红外波段，散射系数通常是吸收系数的几十到几百倍。这时候光子在组织里会经历大量散射，方向变得随机——说白了，就像喝醉了酒的人走路，方向完全乱了。
基于这个假设，我们可以把辐射亮度展开成各向同性项和各向异性小项的叠加：
L(r, s) ≈ Φ(r)/(4π) + (3/(4π)) J(r) · s代入RTE，经过一番推导（这里我省略了中间步骤，感兴趣的同学可以看教材），得到漫射方程：
-∇ · (D ∇Φ(r)) + μa Φ(r) = Q(r)其中D = 1/(3(μa + μs'))是漫射系数，μs' = μs(1-g)是约化散射系数。
我个人习惯：在写代码实现漫射近似时，先检查μs' >> μa是否成立。如果不成立，漫射近似会给出错误结果。我曾经吃过这个亏，后来学乖了。
漫射近似的适用条件
不是所有情况都能用漫射近似。记住三个条件：
- 散射主导：μs' >> μa，一般要求μs'/μa > 10
- 远离边界和光源：在光源附近和边界处，漫射近似失效
- 各向同性假设成立：光子的方向分布近似均匀
| 条件 | 要求 | 典型组织 |
|---|---|---|
| 散射主导 | μs'/μa > 10 | 肌肉、脑组织（近红外） |
| 远离光源 | 距离 > 1/μs' | 深度组织成像 |
| 各向同性 | 多次散射后 | 厚组织（>5mm） |
避坑指南：我曾经在薄组织（厚度<2mm）上用漫射近似做模拟，结果误差超过30%。后来改用蒙特卡洛才搞定。记住：漫射近似只适用于厚组织、高散射的场景。
蒙特卡洛模拟的基本原理
当漫射近似不适用时，我们还有一招——蒙特卡洛模拟。
这个方法说白了就是：模拟大量光子的随机行走路径，统计它们的最终去向。
基本步骤：
- 发射光子：确定初始位置和方向
- 步长采样：根据散射系数随机决定走多远
- 吸收判断：部分能量被吸收，剩余继续传播
- 散射转向：根据相位函数随机选择新方向
- 边界处理：遇到边界时反射或透射
- 统计结果：记录光子的最终位置和能量
下面是我用SVG画的一个蒙特卡洛模拟流程图，展示了光子从发射到被探测的完整过程：
蒙特卡洛的优点是精度高，能处理复杂几何和边界条件。缺点是慢——模拟100万个光子可能需要几分钟。
我建议：在实际项目中，先用漫射近似做快速估算，再用蒙特卡洛做精确验证。两者结合，效率最高。
嗯，以上就是辐射传输理论的核心内容。从RTE到漫射近似，再到蒙特卡洛，每个方法都有自己的用武之地。理解它们的物理意义和适用条件，比死记硬背公式重要得多。