[論文レビュー] retinalysis-vascx: An explainable software toolbox for the extraction of retinal vascular biomarkers

Jose D. Vargas Quiros, Michael J. Beyeler+5 more|arXiv (Cornell University)|Feb 9, 2026

Retinal Imaging and Analysis被引用数 0

ひとこと要約

VascX はカラー眼底画像の動脈-静脈セグメンテーションから網膜血管バイオマーカーを抽出するオープンソースの Python ボックスで、グラフベースの解釈可能な特徴計算と領域認識分析を提供。再現性と堅牢性をデバイス間・摂動にわたって評価。

ABSTRACT

The automatic extraction of retinal vascular biomarkers from color fundus images (CFI) is essential for large-scale studies of the retinal vasculature. We present VascX, an open-source Python toolbox designed for the automated extraction of biomarkers from artery and vein segmentations. The VascX workflow processes vessel segmentation masks into skeletons to build undirected and directed vessel graphs, which are then used to resolve segments into continuous vessels. This architecture enables the calculation of a comprehensive suite of biomarkers, including vascular density, bifurcation angles, central retinal equivalents (CREs), tortuosity, and temporal angles, alongside image quality metrics. A distinguishing feature of VascX is its region awareness; by utilizing the fovea, optic disc, and CFI boundaries as anatomical landmarks, the tool ensures spatially standardized measurements and identifies when specific biomarkers are not computable. Spatially localized biomarkers are calculated over grids relative to these landmarks, facilitating precise clinical analysis. Released via GitHub and PyPI, VascX provides an explainable and modifiable framework that supports reproducible vascular research through integrated visualizations. By enabling the rapid extraction of established biomarkers and the development of new ones, VascX advances the field of oculomics, offering a robust, computationally efficient solution for scalable deployment in large-scale clinical and epidemiological databases.

研究の動機と目的

• カラー眼底画像から自動化されたバイオマーカー抽出を通じてスケーラブルな大規模網膜血管研究を促進する。
• セグメンテーションを補完し、再現可能なバイオマーカー計算を可能にする解釈可能で変更可能なツールボックスを提供する。
• オクロミクス研究のための解剖学的ランドマークに基づくグリッドなど、領域認識バイオマーカー測定を可能にする（黄斑・視神経円板相対）。
• 異なるデバイス間の再現性と画像摂動・パラメータ選択に対する頑健性を評価する。

提案手法

• 血管セグメンテーションマスクを処理してスケルトンを生成し、無向・有向血管グラフを構築する。
• セグメントをより長い血管へ分解し、網羅的なバイオマーカーセットを導出する（例：血管密度、CREs、撓度）。
• 解剖学的ランドマーク（黄斑、視神経円板）に固定されたグリッドを用いて空間的に局在化したバイオマーカーを計算する。
• ドキュメンテーションとサンプルを伴うオープンソースソフトウェアとして公開する（GitHub、PyPI）。
• 異なるデバイスからの再撮像を横断した ICC > 0.5 をベンチマークとして用いるテスト–再テスト再現性を評価する。

実験結果

リサーチクエスチョン

• RQ1 VascX は異なる撮像デバイス間で信頼できる領域認識バイオマーカーを提供できるか。
• RQ2 画像摂動とヒューリスティックなパラメータ選択に対して VascX バイオマーカーはどれくらい堅牢か。
• RQ3 解釈可能なグラフベースのバイオマーカー計算はスケーラブルで再現可能なオクルミックス分析を可能にするか。
• RQ4 動脈-静脈セグメンテーションとスケルトンから出発した場合の血管バイオマーカーの再現性はどうなるか。
• RQ5 新しいバイオマーカーの迅速な実験を支援しつつ透明性を維持するにはどうするか。

主な発見

• 多くの VascX バイオマーカーはデバイス間のテスト–再テスト研究で ICC > 0.5 の中〜優良な一致を示す。
• 画像摂動とパラメータ値に影響され、堅牢性には重要な差があるバイオマーカーがある。
• グラフベースの領域認識計算は大規模な臨床・疫学研究に適した再現可能な測定を支援する。
• VascX は頑健で計算効率が高く、大規模データベースでの展開を可能にする。
• オープンソース配布は眼科研究者・臨床医の導入障壁を低減する。