[论文解读] 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 0

一句话总结

tldr：VascX 是一个开源的 Python 工具箱，可以从彩色眼底图像的动脉-静脉分割中提取视网膜血管生物标志物，具有基于图的可解释特征计算与区域感知分析。通过不同设备与扰动进行可重复性和鲁棒性评估。

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.

研究动机与目标

• 通过自动从彩色眼底图像提取生物标志物，推动大规模视网膜血管研究的可扩展性。
• 提供一个可解释、可修改的工具箱，补充分割并实现可重复的生物标志物计算。
• 实现相对于解剖标志物的区域感知生物标志物测量（如相对于黄斑/视盘的网格），用于眼科组学研究。
• 评估跨设备的可重复性以及对图像扰动和参数选择的鲁棒性。

提出的方法

• 处理血管分割掩模以生成骨架并构建无向和有向血管图。
• 将段分解为更长的血管并推导全面的生物标志物集合（如血管密度、CREs、扭曲度等）。
• 使用以解剖标志物（黄斑、视盘）为锚点的网格来计算空间局部生物标志物。
• 以开源软件形式发布，附带文档与示例（GitHub、PyPI）。
• 使用 ICC > 0.5 作为基准，在不同设备的重复成像中评估测试-再测试可重复性。

实验结果

研究问题

• RQ1 VascX 是否能够在不同成像设备之间提供可靠的、区域感知的视网膜血管生物标志物？
• RQ2 VascX 生物标志物对图像扰动和启发式参数选择有多鲁棒？
• RQ3 可解释的基于图的生物标志物计算是否支持可扩展、可重复的眼科组学分析？
• RQ4 从动脉-静脉分割和骨架出发，血管生物标志物的可重复性如何？
• RQ5 VascX 如何在保持透明度的同时促进对新生物标志物的快速实验？

主要发现

• 大多数 VascX 生物标志物在不同设备的测试-再测试研究中表现出中等到极佳的一致性（ICC > 0.5）。
• 不同生物标志物在鲁棒性方面存在显著差异，受图像扰动和参数值的影响。
• 基于图的、区域感知计算支持可重复测量，适用于大规模的临床和人群流行病学研究。
• VascX 具有鲁棒性和较高的计算效率，能够在大数据库中实现可扩展部署。
• 开源分发降低了眼科研究者和临床医生的采用门槛。