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）

把特征检测直接嵌入配准流程，绕开对管腔/血管壁预分割的依赖：CNN 在极坐标 (r, θ, z) 域沿每条径向射线判断结构是否存在，从而在 IVUS 声影导致完整分割病态时仍可定义检测任务。 此前 Kadry 等的可微框架与 Li 等的 Transformer 框架都依赖预先计算的管腔或血管壁分割，而 IVUS 钙化声影会遮蔽血管壁边界；TG-OT 改为在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径，并让 IVUS 网络额外预测导丝伪影。 方法描述与消融表（表 1）给出各训练损失配置下的检测指标；采用 LBM+Dice 时 IVUS 分叉 Dice 0.56、Betti 误差 4.15，钙化 Dice 0.67、Betti 误差 3.89，导丝 clDice 0.72，MPR 侧分叉 Dice 0.61、钙化 Dice 0.63，均为 5 折交叉验证的均值（标准差）。

提出圆柱几何上的非平衡 Sinkhorn 最优传输损失用于跨模态特征匹配，使预测在空间上不重叠时仍能提供有信息的梯度。 体素级 Dice 损失对特征错配的惩罚与空间距离无关，当预测不重叠时没有梯度信号；该工作把匹配写成拓扑圆柱 S1×R 上的最优传输问题，传输代价取测地圆柱距离，并用非平衡边缘松弛 τ∈(0,1) 容忍两模态检测置信度的合理不对称。 损失形式、代价矩阵与 Sinkhorn 迭代在方法部分完整给出（αOT=0.1、ε=0.1、τ=0.8）；表 2 显示 OT+Dice 相对 Dice-only 在旋转对齐上有统计显著提升（Wilcoxon 符号秩 p<0.01），Sc 下四分位数 0.92 对 0.90。

在 N=47 例配对数据上验证了无需任何预分割的全自动配准精度，并在严重导管旋转漂移病例上恢复对齐。 作者指出目前不存在可直接比较的全自动 CCTA-IVUS 配准方法，与半自动方法（如 Kadry 等）的直接比较受分割标签缺失与模态不匹配所限，因此以未配准情形和标准 Dice 特征匹配损失作为基线，并额外消融管腔对齐项与 NMI 图像相似度项。 表 2 报告 5 折交叉验证的中位数（Q1, Q3）：未配准基线 Dicectl 0.67、Sc 0.21、DiceL 0.47；最终 OT+Dice 配 NCC 管腔项达到 Dicectl 0.99、Sc 0.96、DiceL 0.69；单例优化在单张 RTX 2080 Ti 上耗时 90 秒。

给出失败模式与可靠性边界的明确刻画，并说明全部 N=47 例均纳入报告指标。 作者报告纵向初始化在 N=4 例因 CCTA 自动中心线提取被错误截断而失败，旋转对齐在 N=2 例因标志点极度稀疏而退化，并指出配准可靠性受限于特征检测步骤，基础模型可能在大规模下提供更强稳健性。 失败类别与例数在讨论部分明确给出；作者同时说明 CCTA-IVUS 配准缺乏自动参考标准，因此所构造的基线是当前最有意义的比较对象。

该结果面向具备配对 CCTA 与 IVUS 数据的冠脉分析场景，适用于希望在不做人工交互、不做预先三维分割的前提下获得中心线、旋转与管腔对齐的研究与临床前流程；方法依赖从 CCTA 自动提取的中心线，并以极坐标重采样后的特征检测为驱动，因此其适用前提是中心线提取正确且两模态间存在可检测的钙化、分叉或管腔信号。作者指出，去除对易错三维中间分割的依赖，针对的是可扩展多模态冠脉分析的关键障碍，使全自动 CCTA-IVUS 融合更接近临床部署；同时作者提出，由于配准由重采样 CCTA 体上的检测特征驱动，其可靠性受特征检测步骤约束，基础模型可能在大规模下提供更强稳健性。

读者仍需留意：作者自述不存在可直接比较的全自动 CCTA-IVUS 配准方法，与半自动方法的直接比较受分割标签缺失与模态不匹配所限，因此表 2 的比较对象是未配准情形与 Dice-only 基线；CCTA-IVUS 配准缺乏自动参考标准，参考中心线由人工在两种模态均可见的大侧支匹配下确定。失败模式方面，纵向初始化在 N=4 例因 CCTA 自动中心线提取被错误截断而失败，旋转对齐在 N=2 例因标志点极度稀疏而退化，尽管全部 N=47 例均纳入报告指标。此外，配准可靠性受特征检测步骤约束，作者提出基础模型可能在大规模下提供更强稳健性，但本文未作验证；单例优化耗时 90 秒（单张 RTX 2080 Ti），其在大规模或临床时限下的表现仍是开放问题。