[논문 리뷰] retinalysis-vascx: An explainable software toolbox for the extraction of retinal vascular biomarkers

Jose D. Vargas Quiros, Michael J. Beyeler외 5명|arXiv (Cornell University)|2026. 02. 09.

Retinal Imaging and Analysis인용 수 0

한 줄 요약

VascX는 색상 안저 이미지에서 동맥-정맥 구분으로 망막 혈관 생물지표를 추출하는 오픈 소스 파이썬 도구상자이며, 그래프 기반의 설명 가능한 특징 계산 및 영역 인식 분석을 제공합니다. 재현성과 강건성은 기기 및 섭동에 걸쳐 평가됩니다.

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.

연구 동기 및 목표

• 컬러 안저 이미지에서 자동화된 생물지표 추출을 통해 확장 가능하고 대규모의 망막 혈관 연구를 촉진한다.
• 세분화(Segmentation)를 보완하고 재현 가능한 생물지표 계산을 가능하게 하는 설명가능하고 수정 가능한 도구상자를 제공한다.
• 황반(fovea) 및 시신경 디스크를 기준으로 한 영역 인식 생물지표 측정을 가능하게 하여 오구올로학스 연구를 지원한다.
• 다른 기기 간 재현성 및 이미지 섭동과 파라미터 선택에 대한 강건성을 평가한다.

제안 방법

• 혈관 구분 마스크를 처리하여 골격(skeleton)을 생성하고 무향 그래프와 방향성 혈관 그래프를 구성한다.
• 구간을 더 긴 혈관으로 해상하여 포괄적인 생물지표 집합(예: 혈관 밀도, CREs, 곡률)을 도출한다.
• 해부학적 표지점(황반, 시신경 디스크)에 고정된 격자를 사용해 공간적으로 국소화된 생물지표를 계산한다.
• 문서와 예제(GitHub, PyPI 포함)와 함께 오픈 소스 소프트웨어로 공개한다.
• 다른 기기에서 반복 촬영된 이미지 간의 재현성을 ICC > 0.5를 벤치마크로 삼아 테스트-재테스트를 평가한다.

실험 결과

연구 질문

• RQ1 VascX가 서로 다른 영상 장치에서 신뢰성 있는 영역 인식 망막 혈관 생물지표를 제공할 수 있는가?
• RQ2 영상 섭동과 휴리스틱 파라미터 선택에 대한 VascX 생물지표의 강건성은 어느 정도인가?
• RQ3 설명 가능한 그래프 기반 생물지표 계산이 확장 가능하고 재현 가능한 안구학 분석을 가능하게 하는가?
• RQ4 동맥-정맥 구분 및 골격에서 시작할 때 혈관 생물지표의 재현성은 어느 정도인가?
• RQ5 투명성을 유지하면서 새로운 생물지표에 대한 신속한 실험을 VascX가 어떻게 촉진하는가?

주요 결과

• 대부분의 VascX 생물지표는 기기 간 테스트-재테스트 연구에서 중간에서 우수한 일치를 보이며(ICC > 0.5).
• 이미지 섭동 및 파라미터 값에 의해 영향을 받는 다양한 생물지표 간 강건성의 차이가 중요하다.
• 그래프 기반의 영역 인식 계산은 대규모 임상 및 역학 연구에 적합한 재현 가능한 측정을 지원한다.
• VascX는 강건하고 계산적으로 효율적이며 대규모 데이터베이스에서의 확장 가능한 배치를 가능하게 한다.
• 오픈 소스 배포로 안과 연구자 및 임상의 채택 장벽이 낮아진다.