retinalysis-vascx：基于图的视网膜血管生物标志物提取的可解释软件工具箱
组织与器官
2026-04-23 v2 计算机视觉与模式识别
摘要
从彩色 fundus 图像 (CFI) 中自动提取视网膜血管生物标志物是大规模视网膜血管研究的关键。我们 presented VascX，这是一个开源的 Python 工具箱，从 CFI 动脉-静脉分割掩码中提取生物标志物。VascX 从血管分割掩码开始，提取其骨架，构建无向和有向血管图，并将血管段解析为更长的血管。派生出一组全面的生物标志物，包括血管密度、central retinal equivalents (CREs) 以及曲张度。空间局部化生物标志物可相对于视网膜中心和视神经盘放置网格后计算。VascX 通过 GitHub 和 PyPI 发布，配有完整文档和示例。我们的测试-重复性分析表明，大多数 VascX 生物标志物在不同设备对同一眼的重复成像中表现出中等至优秀的一致性 (ICC > 0.5)，不同生物标志物的鲁棒性存在显著差异。我们的分析进一步阐明了生物标志物对图像扰动和启发式参数值的敏感性，进一步特征化了 VascX 生物标志物。最终，VascX 提供了一个可解释且易于修改的特征提取工具箱，补充分割过程以产生可靠的视网膜血管生物标志物。其基于图的生物标志物计算阶段支持可重复、区域感知的测量，适用于大规模临床和流行病学研究。通过实现现有生物标志物的易提取以及快速实验新生物标志物，VascX 支持眼科组学研究。其鲁棒性和计算效率促进了大数据库中的可扩展部署，而开源分发降低了面向眼科研究员和临床医生的采用门槛。
关键词
引用
@article{arxiv.2602.08580,
title = {retinalysis-vascx: An explainable software toolbox for the extraction of retinal vascular biomarkers},
author = {Jose D. Vargas Quiros and Michael J. Beyeler and Sofia Ortin Vela and EyeNED Reading Center and Sven Bergmann and Caroline C. W. Klave and Bart Liefers and VascX Research Consortium},
journal= {arXiv preprint arXiv:2602.08580},
year = {2026}
}