2026 年河北省研究生数学建模竞赛 C、D 两题都不是传统意义上的"套模型题"，而是非常典型的研究生级复杂系统建模题。C 题面向医学影像与冠状动脉造影分析，要求从三维冠脉二值 mask 中建立血管结构模型，识别和量化狭窄区域，并进一步设计最佳观察策略；D 题面向零碳园区微电网，要求建立物理信息融合模型，分析 10kV 配网黑启动过程，评估移动储能经济性，并形成零碳园区产业化路径分析报告。
这两道题的共同特征是：题目背景非常真实，模型链条非常长，单一算法无法完整解决。C 题的核心不只是医学图像处理，而是"三维血管几何重建---狭窄量化---投影观察策略优化"的完整闭环；D 题的核心也不只是微电网调度，而是"物理信息建模---黑启动动态过程---移动储能全生命周期经济性---零碳园区产业路径"的系统性方案。
如果想写出高质量论文，不能只写"我用了 Marching Cubes""我用了 NSGA-II""我用了 PINN"。真正高分的关键在于：每个模型都必须服务题目目标，每个指标都必须能解释现实意义，每个结果都必须能指导临床或工程决策。
一、C 题：冠状动脉造影狭窄识别与最佳观察策略的建模与优化
1. 题目本质：不是普通图像分割，而是血管几何建模与临床观察决策
C 题的背景是冠状动脉造影临床诊断。题目提供两个独立病例的三维冠状动脉二值 mask 数据，要求完成三个核心任务：
第一，建立三维冠状动脉结构模型。
第二，自动识别并量化冠状动脉狭窄。
第三，设计最佳观察策略，平衡诊断准确性、显示效果与辐射剂量。
这说明 C 题不是简单的医学图像分割题，因为题目已经给了三维二值 mask，核心不在"分割出血管"，而在于如何从 mask 中重建血管结构、提取中心线、计算局部半径、识别狭窄、量化狭窄程度，并找到最适合医生观察狭窄区域的投影角度。
换句话说，C 题真正考查的是：
三维血管几何结构建模能力、血管狭窄定量分析能力、医学投影成像建模能力以及多目标观察策略优化能力。
这道题如果只写成"对 mask 做三维重建，然后显示出来"，深度远远不够。高分论文必须回答以下问题：
血管中心线如何提取？
血管局部直径如何计算？
参考正常直径如何确定？
狭窄区域如何自动识别？
狭窄程度如何分级？
不同观察角度下狭窄显示效果如何评价？
如何在观察清晰度、遮挡程度、辐射剂量之间权衡？
最终如何给医生推荐全局观察角度和局部观察角度？
因此，C 题的完整建模主线应是：
三维 mask 预处理 → 血管表面重建 → 中心线骨架提取 → 半径/直径场计算 → 狭窄识别与量化 → X 射线投影模拟 → 观察质量评价 → 多目标最佳观察角度优化。
2. C 题第一任务：三维冠状动脉结构建模
2.1 数据预处理
题目给的是三维冠状动脉二值 mask 数据。mask 中体素值通常表示该位置是否属于冠脉管腔。由于三维医学图像存在体素间距差异、边界锯齿、细小断裂和噪声点，所以第一步必须做数据预处理。
预处理建议包括：
第一，统一体素间距。
如果原始数据在 x、y、z 三个方向的分辨率不同，直接做几何分析会导致距离和半径计算失真。因此应先进行各向同性重采样，使空间距离计算具有一致物理意义。
第二，形态学修补。
对三维 mask 做闭运算、孔洞填充、小连通域去除，修复局部断裂和微小空洞，保证血管拓扑结构尽量连续。
第三，连通域分析。
冠状动脉结构应构成主要连通区域，如果存在明显孤立小块，应判断是噪声还是分支结构。对于噪声应去除，对于真实细小分支应保留。
第四，边界平滑。
二值 mask 的体素边界呈阶梯状，直接用于半径计算会引入波动。可以在保持拓扑结构的前提下做适度平滑。
这一部分的论文写法要强调：医学几何建模的关键不是把图像"变漂亮"，而是保证后续中心线、半径、狭窄率计算的几何可靠性。
2.2 三维表面重建
三维 mask 只是离散体素数据，为了可视化和后续几何分析，需要将其转化为连续表面模型。常用方法是 Marching Cubes 算法。
Marching Cubes 的作用是从三维二值场中提取等值面，生成由三角面片构成的血管表面网格。其优点是成熟稳定，适合从医学二值 mask 中重建血管、器官、骨骼等三维结构。
在论文中可以说明：
mask 的体素集合表示血管内部区域；
血管表面是该区域的边界；
Marching Cubes 通过局部立方体顶点状态判断表面穿过位置；
最终得到三角网格模型，用于显示血管形态和辅助测量。
但要注意，表面重建本身不是最终目标。它只是后续中心线提取、半径估计和观察角度模拟的基础。
2.3 中心线提取
冠脉狭窄分析的核心是血管中心线。因为狭窄不是简单的三维体积变化，而是沿着血管走向出现的局部管腔变窄。只有把三维血管转化为沿中心线的一维结构，才能清晰地分析半径变化。
中心线提取可以采用：
骨架化算法；
距离变换脊线提取；
快速行进法；
最短路径法；
基于图结构的中心线追踪。
高分方案建议将中心线建模为树状拓扑图。
冠状动脉不是单根直管，而是有主干和分支。中心线可以表示为图：
节点表示分叉点、端点和采样点；
边表示血管段；
每条边对应一段血管中心线；
每个中心线点具有空间坐标和局部半径。
这样就可以对血管进行分段分析，例如左主干、前降支、回旋支、右冠等区域，也方便后续定位狭窄段。
2.4 局部半径与直径计算
狭窄识别的核心指标是血管管腔直径变化。对于中心线上的每一个点，可以计算其到血管边界的最短距离，将其作为局部半径近似。
也可以进一步使用截面法：
在中心线某点处构造与中心线切向垂直的截面；
计算该截面与血管区域的交集面积；
将截面积换算为等效圆半径；
得到更稳定的等效直径。
为什么需要等效半径？
因为冠脉截面并不总是规则圆形，尤其狭窄区域可能呈偏心狭窄。如果只用一个方向的半径，可能不稳定。截面积等效半径能更全面反映管腔实际大小。
因此，建议采用"距离变换半径 + 截面积等效半径"的组合策略。距离变换用于快速初筛，截面积等效半径用于精细量化。
3. C 题第二任务：冠状动脉狭窄识别与量化
3.1 狭窄的数学本质
冠脉狭窄在几何上表现为：
沿血管中心线方向，局部直径明显低于邻近正常段直径。
所以狭窄识别不是找"半径最小点"这么简单。因为正常血管本来就会从近端到远端逐渐变细，如果直接比较绝对半径，远端正常细血管可能被误判为狭窄。
因此必须引入参考直径。
参考直径可以理解为：如果该段没有狭窄，血管在当前位置应有的正常直径。
狭窄率的基本思想是：
当前管腔直径相对于参考正常直径减少了多少。
这也是临床冠脉狭窄评估的核心逻辑。
3.2 参考直径估计
参考直径估计是 C 题最关键、也最容易出错的环节。
可以采用以下方法：
第一，两端正常段均值法。
对于某个疑似狭窄段，取其近端和远端相对正常区域的平均直径，作为参考直径。
第二，局部趋势拟合法。
考虑到血管天然逐渐变细，可以沿中心线建立直径趋势曲线，用平滑拟合的方式估计正常直径基线。
第三，自适应正常段识别。
通过半径变化率、局部曲率、直径波动程度识别相对平稳区域，将其作为正常参考段。
高分方案建议采用：
趋势拟合 + 邻近正常段修正。
先用整体趋势拟合血管自然变细规律，再对疑似狭窄附近使用近端/远端正常段修正。这样既避免把远端自然变细误判为狭窄，也能适应局部病变。
3.3 狭窄候选区域检测
得到沿中心线的等效直径序列后，可以寻找局部凹陷区域。具体思路是：
对直径序列进行平滑，减少体素噪声；
寻找局部极小值点；
计算该点相对于参考直径的下降比例；
如果下降比例超过阈值，则标记为狭窄候选；
向两侧扩展到直径恢复区域，确定狭窄段起止位置。
需要注意两个问题：
第一，不能把单点波动当成狭窄。
狭窄应该有一定长度和连续性，单个采样点的突降可能是噪声或重建误差。
第二，不能把分叉处误判为狭窄。
冠脉分叉处几何复杂，截面变化大，可能导致半径估计异常。因此分叉附近要单独处理，或者降低自动判定置信度，提示人工复核。
3.4 狭窄程度量化
狭窄量化可以输出以下结果：
狭窄位置；
狭窄段长度；
最小直径；
参考直径；
直径狭窄率；
面积狭窄率；
狭窄严重等级；
所属血管分支；
距离入口或分叉点的弧长位置。
临床上常见分级可参考：
轻度狭窄；
中度狭窄；
重度狭窄；
近闭塞或闭塞。
论文中可以不死板绑定某一临床标准，但要说明分级阈值的合理性，并进行敏感性分析：如果阈值变化，识别结果是否稳定？
3.5 狭窄识别验证
如果题目没有提供医生标注的狭窄真值，可以采用多种间接验证：
三维可视化验证：狭窄位置是否对应血管表面明显收缩；
直径曲线验证：识别位置是否对应局部显著凹陷；
多视角投影验证：在某些角度下是否能观察到狭窄；
病例间对比：不同病例的狭窄位置和程度是否符合几何直觉。
如果有临床标注，则可计算准确率、召回率、F1、定位误差、狭窄率误差等。
4. C 题第三任务：最佳观察策略设计
4.1 为什么需要观察策略优化？
冠脉造影是二维投影成像，医生通过不同角度观察三维血管。一个狭窄在某个角度下可能显示清晰，但在另一个角度下可能被重叠血管遮挡，或者狭窄方向与投影方向不合适，导致显示不明显。
因此，最佳观察策略不是简单选一个"看起来好"的角度，而是要建立数学评价指标，衡量不同投影角度下的观察质量。
题目要求"最佳观察策略"，说明需要在多个目标之间权衡：
狭窄区域显示清晰；
血管重叠少；
关键病变无遮挡；
观察角度数量尽量少；
辐射剂量尽量低；
检查时间尽量短。
这就是一个多目标优化问题。
4.2 投影成像建模
可以建立简化 X 射线投影模型。
将三维血管模型绕不同角度旋转，然后投影到二维平面。不同角度对应不同造影观察位。对于每个角度，可以生成模拟投影图。
投影模型的作用是：
计算某个角度下血管二维显示形态；
判断狭窄区域是否被其他血管重叠；
计算狭窄处管腔变化在投影图中的可见程度；
评价不同角度的观察优劣。
正式论文中可以将观察角度参数化，例如使用两个角度描述 C 臂方向：
一个表示左右斜位角；
一个表示头足位角。
然后在可行角度范围内搜索最佳组合。
4.3 观察质量评价指标
建议建立以下指标。
第一，狭窄可见度指标。
衡量狭窄段在投影图中是否能够清晰显示。可以根据狭窄段投影长度、局部管径变化对比度、边界清晰度定义。
第二，血管重叠惩罚指标。
如果狭窄区域与其他血管分支投影重叠，医生难以判断真实狭窄程度。因此重叠越多，得分越低。
第三，分支展开度指标。
好的观察角度应使关键血管分支尽量展开，减少主干与分支叠压。
第四，辐射剂量/检查代价指标。
观察角度越多，检查时间和辐射剂量可能越高。因此不应推荐过多角度。
第五，临床覆盖指标。
如果一个角度只能看清一个狭窄，而另一个角度能同时覆盖多个关键狭窄，则后者更优。
4.4 全局与局部观察策略
C 题可以设计两类观察策略。
第一类是全局观察策略。
目标是用少数几个角度整体观察冠脉树，尽量覆盖所有重要分支和狭窄候选区域。适合初筛和整体评估。
第二类是局部观察策略。
针对某个已经识别出的狭窄段，寻找最能显示该狭窄的角度。适合医生重点确认病变程度。
高分方案建议同时给出：
全局推荐角度组合；
每个狭窄段的局部最佳观察角度；
不同角度下的观察评分；
若考虑辐射剂量，推荐最少角度覆盖方案。
这样结果更完整，也更符合临床使用逻辑。
4.5 多目标优化方法
观察策略优化可以用 NSGA-II、多目标粒子群、模拟退火、网格搜索加筛选等方法。
如果角度空间不大，可以先用网格搜索遍历可行角度，再基于评价指标排序。
如果角度空间大或需要组合多个角度，则可采用多目标优化。
目标可以是：
最大化狭窄可见度；
最小化血管重叠；
最大化分支展开度；
最小化观察角度数量和辐射代价。
最终输出 Pareto 最优角度集合。医生或研究者可以根据偏好选择"显示最清晰方案""辐射最低方案""综合平衡方案"。
5. C 题可用公式与代码思路
5.1 狭窄率公式
可以使用直径狭窄率：
S = \\left(1-\\frac{D_{min}}{D_{ref}}\\right)\\times 100%
其中 (D_{min}) 是狭窄段最小直径，(D_{ref}) 是参考正常直径。
5.2 Python 伪代码
import numpy as np
from skimage import measure, morphology
from scipy.ndimage import distance_transform_edt, gaussian_filter1d
# mask: 3D coronary artery binary mask
mask = np.load("case_mask.npy").astype(bool)
# 1. 形态学修补
mask_clean = morphology.binary_closing(mask, morphology.ball(2))
mask_clean = morphology.remove_small_objects(mask_clean, min_size=100)
# 2. Marching Cubes 表面重建
verts, faces, normals, values = measure.marching_cubes(mask_clean, level=0.5)
# 3. 距离变换，估计局部半径场
dist_map = distance_transform_edt(mask_clean)
# 假设 centerline_points 已通过骨架算法获得
# centerline_points: N x 3
radii = np.array([dist_map[tuple(p.astype(int))] for p in centerline_points])
radii_smooth = gaussian_filter1d(radii, sigma=2)
# 4. 参考半径估计
ref_radius = gaussian_filter1d(radii_smooth, sigma=20)
# 5. 狭窄率计算
stenosis_rate = (1 - radii_smooth / ref_radius) * 100
# 6. 候选狭窄区域
candidate_idx = np.where(stenosis_rate > 50)[0]这段代码不是完整成品，但能够展示 C 题核心计算链条：mask 清洗、表面重建、半径估计、狭窄率计算和候选区域识别。
二、D 题：零碳园区微电网物理信息建模、黑启动分析与储能经济优化
1. D 题本质：综合难度最高的系统工程题
D 题是四道题中综合难度最高的一类。题目围绕河北省零碳园区建设背景，要求完成四个递进任务：
第一，搭建 30 节点零碳园区物理信息耦合网络模型。
第二，开展 10kV 配网分布式储能黑启动动态分析。
第三，进行移动储能车全生命周期经济性分析。
第四，撰写零碳园区产业化路径分析报告。
这说明 D 题不是一个单纯的电力系统题，也不是一个单纯的经济评价题，而是同时包含：
物理系统建模；
信息通信建模；
分布式能源建模；
储能运行建模；
黑启动过程仿真；
经济性评价；
政策与产业路径分析。
因此 D 题的论文必须体现系统性。最好的主线是：
零碳园区能源系统结构建模 → 物理信息融合网络 → 黑启动动态过程分析 → 移动储能经济性评价 → 零碳园区产业化路径建议。
2. D 题第一任务：零碳园区物理信息网络建模
2.1 零碳园区系统组成
零碳园区通常包括：
光伏；
风电或其他新能源；
储能系统；
充电桩；
工业负荷；
建筑负荷；
配电网；
信息通信网络；
能量管理系统；
移动储能车。
题目要求构建 30 节点网络模型，可以将园区划分为多个电气节点和信息节点。每个节点具有不同属性：
电源节点：光伏、储能、外部电网接口；
负荷节点：工业负荷、商业负荷、办公负荷、充电负荷；
储能节点：固定储能、移动储能接入点；
通信节点：传感器、控制器、能量管理中心；
耦合节点：电力系统与信息系统交互位置。
2.2 物理层建模
物理层是电力系统本体，包括潮流、电压、功率、储能 SOC、负荷等。
可以建立以下子模型：
第一，光伏出力模型。
光伏出力受辐照度、温度、组件参数影响。若数据充分，可用物理模型；若数据有限，可用经验模型或时序预测。
第二，负荷模型。
将园区负荷分为工业负荷、商业负荷、办公负荷、充电负荷等。不同负荷具有不同可调性和重要等级。
第三，储能模型。
储能状态由 SOC、充放电功率、效率、容量上下限决定。固定储能和移动储能应区分建模。
第四，配电网潮流模型。
10kV 配网可采用简化潮流模型、DistFlow 模型或交流潮流模型。若题目更偏过程分析，可采用简化模型提高可解性。
2.3 信息层建模
信息层包括传感、通信、控制和数据传输。
很多队伍容易忽略这一点，只写电网模型。但题目强调"物理信息建模"，说明信息网络必须进入模型。
信息层可以考虑：
通信延迟；
数据丢包率；
测量误差；
控制指令执行延迟；
信息节点故障；
控制中心对储能和负荷的调度能力。
通信延迟可能导致控制指令滞后，影响黑启动过程稳定性；数据丢包可能导致状态估计偏差；测量误差可能影响负荷切换和储能调度。
高分论文可以建立"物理---信息耦合模型"：
电力状态影响信息采集需求，信息系统影响控制动作执行，二者共同决定园区运行稳定性。
2.4 物理信息神经网络 PINN 的引入
如果要提升模型创新性，可以使用物理信息神经网络 PINN。
PINN 的思想是：神经网络不仅拟合数据，还要满足物理方程约束。
在 D 题中，可以用 PINN 拟合以下过程：
光伏出力与辐照度、温度之间的物理关系；
储能 SOC 动态变化；
配网潮流约束；
黑启动过程中的电压频率动态。
不过要注意，PINN 不能为了炫技而写。它适合在数据稀疏、物理规律明确、状态变量连续变化的场景下使用。论文中可以将 PINN 作为传统物理模型与纯数据模型之间的折中方法。
3. D 题第二任务：10kV 配网黑启动过程数学分析
3.1 黑启动是什么？
黑启动指在电网失电后，不依赖外部电网，利用具备自启动能力的电源逐步恢复供电系统。对于零碳园区而言，黑启动可能依赖储能、光伏逆变器、移动储能车和关键负荷分级恢复。
D 题要求分析 10kV 配网黑启动过程，说明重点是：
储能如何启动；
哪些负荷先恢复；
如何避免电压和频率越限；
如何防止变压器励磁涌流和冲击电流；
如何安排恢复顺序；
黑启动失败的原因是什么。
3.2 黑启动阶段划分
可以将黑启动过程划分为四个阶段。
第一阶段：启动电源建立。
由固定储能或移动储能形成电压源，建立局部微电网电压和频率。
第二阶段：关键设备恢复。
恢复通信系统、控制系统、保护系统、能量管理系统等关键辅助设备。
第三阶段：分级负荷投入。
按照负荷重要性和启动冲击大小逐步恢复负荷，例如先恢复通信和控制负荷，再恢复关键工业负荷，最后恢复一般负荷。
第四阶段：新能源并网与系统稳定。
在电压频率稳定后逐步接入光伏、风电等新能源，减少储能压力。
3.3 黑启动动态约束
黑启动不是简单"接上负荷就行"，必须考虑动态约束。
主要包括：
电压偏差不能过大；
频率偏差不能过大；
线路电流不能越限；
储能功率不能超过上限；
储能 SOC 不能低于安全值；
负荷投入不能造成过大冲击；
通信延迟不能导致控制失败。
论文中可以把这些约束转化为黑启动可行性判据。
例如：
如果某一步负荷投入后电压跌落超过允许范围，则该恢复顺序不可行；
如果储能 SOC 无法支撑到新能源接入，则需要移动储能辅助；
如果通信延迟导致控制响应超过阈值，则需要本地自治控制策略。
3.4 黑启动恢复顺序优化
黑启动恢复顺序是 D 题的重要决策变量。
不同负荷具有不同属性：
重要性；
功率大小；
启动冲击；
是否可延迟；
是否支撑系统恢复；
经济损失。
优化目标可以是：
最小化黑启动恢复时间；
最大化关键负荷恢复率；
最小化电压频率波动；
最小化储能消耗；
最大化系统安全裕度。
高分方案可以采用多目标优化或分层优化：
第一层，保证安全稳定；
第二层，优先恢复重要负荷；
第三层，最小化恢复时间和储能消耗。
3.5 黑启动失败边界分析
黑启动分析不仅要给成功方案，也要分析失败边界。
可能失败原因包括：
储能容量不足；
负荷投入过快；
大电机启动冲击过大；
通信延迟过高；
光伏出力不稳定；
系统短路容量不足；
电压频率支撑能力不足。
论文中可以通过情景模拟分析：
储能容量减少多少会失败；
负荷启动顺序改变是否失败；
通信延迟增大是否影响恢复；
光伏出力低谷时是否需要移动储能；
移动储能接入位置不同对黑启动成功率的影响。
这部分能体现工程深度。
4. D 题第三任务：移动储能车全生命周期经济性分析
4.1 为什么要做全生命周期分析？
移动储能车不是只看购置成本，也不是只看一次调度收益。其价值体现在多个方面：
削峰填谷收益；
应急保供收益；
参与电力市场收益；
新能源消纳收益；
减少停电损失；
政府补贴；
碳减排收益。
成本也包括：
购置成本；
电池折旧；
运维成本；
充放电损耗；
车辆调度成本；
电池更换成本；
保险和人工成本。
因此必须做全生命周期经济性分析，而不是单日收益分析。
4.2 收益模型设计
移动储能车收益可分为几类。
第一，峰谷套利收益。
低电价时充电，高电价时放电，获得价差收益。
第二，应急保供收益。
在黑启动、故障、停电情况下，为关键负荷供电，减少停电损失。
第三，新能源消纳收益。
吸收光伏富余电量，减少弃光，提高园区绿色电力利用率。
第四，容量替代收益。
移动储能可以在某些场景下替代部分固定储能扩容，降低投资。
第五，碳减排收益。
如果移动储能提高绿电消纳，减少外购高碳电力，可折算碳收益。
4.3 成本模型设计
成本包括：
购置成本；
电池寿命损耗；
日常维护成本；
人员调度成本；
充放电效率损失；
电池更换成本；
残值回收。
其中电池寿命损耗是关键。充放电越频繁，放电深度越大，寿命损耗越高。不能把移动储能当作免费资源。
4.4 投资评价指标
可以使用：
净现值 NPV；
内部收益率 IRR；
投资回收期；
年化收益率；
单位容量收益；
敏感性分析。
建议设置多个场景：
基准电价场景；
峰谷价差扩大场景；
政府补贴场景；
光伏渗透率提高场景；
停电风险提高场景；
电池成本下降场景。
通过情景分析判断移动储能车是否值得投，以及最优配置规模。
5. D 题第四任务：零碳园区产业化路径分析
第四问通常是论文升华部分。它不是简单写政策口号，而是要基于前三问模型结果，提出有数据支撑的园区发展路径。
可以从四个层面写。
5.1 技术路径
建立源网荷储一体化系统；
建设园区数字孪生平台；
提升光伏与储能协同控制；
部署移动储能应急保障体系；
完善黑启动自治控制策略。
5.2 运营路径
建立分时电价响应机制；
优化储能日内调度；
设置关键负荷保障等级；
建立园区能源管理中心；
形成移动储能共享服务模式。
5.3 经济路径
通过峰谷套利、绿电消纳、应急服务、容量替代和碳交易收益提高经济性。
对不同储能规模进行投资回报分析，避免盲目扩容。
5.4 政策路径
结合国家和河北省零碳园区建设方向，提出补贴机制、碳核算机制、绿电交易机制和需求响应机制建议。
最终形成"近期---中期---远期"路线：
近期：完成物理信息建模和关键负荷分级，建设基础储能。
中期：引入移动储能和数字孪生平台，完善黑启动策略。
远期：实现园区源网荷储车协同，参与碳交易和电力市场，形成可复制零碳园区模式。
三、C/D 两题选题建议
C 题适合医学图像、计算几何、三维重建、图像处理能力强的队伍。
它的数据量可能不大，但几何建模要求高。重点是把三维血管结构分析讲清楚，而不是堆深度学习模型。
D 题适合电气工程、能源系统、优化调度、经济评价能力强的队伍。
它是综合难度最高的题，论文内容多，涉及物理建模、信息网络、黑启动、储能经济和产业报告。优点是发挥空间大，适合冲高奖；缺点是时间紧，容易写散。
如果队伍有医学图像处理经验，选 C。
如果队伍有电力系统和优化基础，选 D。
如果目标是稳妥完成，C 的任务链相对更集中；如果目标是冲击高奖，D 的上限更高。
四、博客结尾总结
2026 年河北省研究生数学建模 C、D 题的核心都不是单一模型，而是系统建模能力。
C 题的高分关键是：
从三维冠脉 mask 中重建真实血管结构，基于中心线和等效半径识别狭窄，再通过投影成像和多目标优化设计最佳观察角度。
D 题的高分关键是：
建立零碳园区物理信息融合网络，模拟 10kV 配网黑启动过程，评估移动储能全生命周期经济性，并形成可执行产业化路径。
一句话总结：
C 题赢在几何建模与临床观察策略，D 题赢在物理信息融合与能源系统工程闭环。
真正优秀的论文不是把所有高级模型都写进去，而是能把每个模型放在正确的位置：C 题要让模型服务于医生看清狭窄，D 题要让模型服务于园区安全、低碳和经济运行。只有这样，论文才会既有数学深度，又有工程价值。