摘要

我们介绍了VascX模型，这是一组用于从彩色眼底图像（CFIs）分析视网膜血管的综合模型集合。注释的CFIs来自公共数据集。此外，主要来自基于人群的鹿特丹研究的额外CFIs由评分员在像素级别上对动脉和静脉进行了注释，从而形成了一个患者人口统计学和成像条件多样化的数据集。与现有的公开可用模型相比，VascX模型在不同数据集、图像质量和解剖区域中表现出更优的分割性能，这可能归因于我们的训练集规模更大且种类更多。特别是在中等质量的CFIs上，这些改进在动脉-静脉和视盘分割性能方面尤为显著，而中等质量的CFIs在大型队列和临床数据集中较为常见。重要的是，这些改进转化为当我们比较从VascX分割掩模提取的血管特征与从前代模型生成的分割掩模提取的血管特征时，前者具有显著更高的准确性。通过提供VascX模型，我们提供了一组稳健且即用型的模型集合及其推理代码，旨在简化自动化视网膜血管分析的实施并提高其质量。该模型生成的精确血管参数可以作为识别眼部内外疾病模式的起点。