arXiv 2026年9月24日该工作提出 TG-OT，一个全自动的 CCTA-IVUS 配准框架：先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径（并额外检测 IVUS 导丝伪影），再把冻结的检测器直接嵌入可微配准流程，以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化，辅以管腔半径匹配；在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下，无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69，并在严重导管旋转漂移病例上优于 Dice-only 基线（Wilcoxon 符号秩 p<0.01）。该工作提出 TG-OT，一个全自动的 CCTA-IVUS 配准框架：先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径（并额外检测 IVUS 导丝伪影），再把冻结的检测器直接嵌入可微配准流程，以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化，辅以管腔半径匹配；在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下，无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69，并在严重导管旋转漂移病例上优于 Dice-only 基线（Wilcoxon 符号秩 p<0.01）。TG-OT 用拓扑圆柱上的非平衡最优传输匹配，在 47 例配对 CCTA-IVUS 上实现无需分割的全自动冠脉配准（Dicectl=0.99、Sc=0.96、DiceL=0.69）该工作提出 TG-OT，一个全自动的 CCTA-IVUS 配准框架：先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径（并额外检测 IVUS 导丝伪影），再把冻结的检测器直接嵌入可微配准流程，以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化，辅以管腔半径匹配；在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下，无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69，并在严重导管旋转漂移病例上优于 Dice-only 基线（Wilcoxon 符号秩 p<0.01）。该工作提出 TG-OT，一个全自动的 CCTA-IVUS 配准框架：先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径（并额外检测 IVUS 导丝伪影），再把冻结的检测器直接嵌入可微配准流程，以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化，辅以管腔半径匹配；在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下，无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69，并在严重导管旋转漂移病例上优于 Dice-only 基线（Wilcoxon 符号秩 p<0.01）。