arXiv cs.AI· Sharan Sharmeela Karuppannan, Yoga Sri Varshan V, Subin Sahayam, Umarani Jayaraman·· 10 小时前AI 评分22
五阶段可解释流水线：从眼底图像估计 AVR 并筛查视网膜病变
A Stage-Wise Explainable Pipeline for Arteriolar-to-Venular Ratio Estimation and Retinopathy Screening
AI 导读
研究者提出一套五阶段可解释流水线，从眼底图像估计小动脉-小静脉直径比（AVR）并进行探索性视网膜病变筛查，每个阶段都输出可检查的中间结果。在 30 张 HRF 图像的探索性队列上，该流水线取得 96.7% 准确率、0.968 的 F1-score 和 0.978 的 ROC-AUC。
正文 · AI 翻译
摘要：小动脉与小静脉直径比（AVR）是一个具有临床意义的视网膜血管健康标志物。我们提出了一套五阶段流水线，用于从眼底图像中估计 AVR 并进行探索性视网膜病变筛查，每个阶段都有可检查的中间输出。该流水线结合了血管与动静脉掩膜、视盘定位、使用最小弦边界游走的血管口径估计，以及基于主要动脉和静脉分支的 AVR 计算。一个显式的基于阈值的规则产生筛查决策，使错误能够追溯到各个处理阶段。在一个包含 30 张 HRF 图像的探索性队列上，我们报告了 96.7% 的准确率、0.968 的 F1 分数和 0.978 的 ROC-AUC。消融研究以及与 VascX 的探索性比较考察了血管配对、口径测量和聚合的影响。解释受限于小队列、代理疾病标签以及缺乏独立的参考口径测量。该流水线为研究视网膜血管生物标志物提供了一个透明的框架，还需要在更大、经临床分级的队列上进一步验证。
| 评论： | 已被第 23 届 IEEE 印度理事会国际会议（INDICON 2026）接收进行展示 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.14013 [cs.CV] |
| （或 arXiv:2611.14013v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14013 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sharan Sharmeela Karuppannan [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 12:51:27 UTC（3,293 KB）
来源：arXiv cs.AI · arxiv.org