Wir stellen die VascX-Modelle vor, eine umfassende Reihe von Modellensembles zur Analyse der retinalen Gefäßstruktur aus farbigen Fundusbildern (CFIs). Angeannotierte CFIs wurden aus öffentlichen Datensätzen aggregiert. Zusätzliche CFIs, hauptsächlich aus der bevölkerungsbezogenen Rotterdam-Studie, wurden von Beurteilern auf Pixel-Ebene für Arterien und Venen annotiert, was zu einem Datensatz führte, der vielfältig in Bezug auf Patientendemografie und Bildgebungskonditionen ist. Die VascX-Modelle zeigten eine überlegene Segmentierungsleistung über verschiedene Datensätze, Bildqualitätsstufen und anatomische Regionen hinweg im Vergleich zu bereits vorhandenen, öffentlich verfügbaren Modellen, wahrscheinlich aufgrund der erhöhten Größe und Vielfalt unseres Trainingssets. Besonders signifikante Verbesserungen wurden in der Segmentierung von Arterien-Venen-Strukturen und Scheiben beobachtet, insbesondere bei der Segmentierung dieser Strukturen auf CFIs mittlerer Qualität, die in großen Kohorten und klinischen Datensätzen häufig vorkommen. Von großer Bedeutung ist, dass diese Verbesserungen sich in erheblich genauer werdenden Gefäßmerkmalen niederschlugen, wenn wir Merkmale verglichen, die aus den Segmentierungsmasken des VascX-Modells extrahiert wurden, mit Merkmalen, die durch frühere Modelle generierte Masken extrahiert wurden. Mit den VascX-Modellen bieten wir ein robustes und einsatzbereites Ensemble von Modellen sowie Inferenzcode, das darauf abzielt, die Implementierung zu vereinfachen und die Qualität automatisierter Analysen der retinalen Gefäßstruktur zu verbessern. Die präzisen Gefäßparameter, die vom Modell generiert werden, können als Ausgangspunkte für die Identifizierung von Krankheitsmustern im Auge und außerhalb dienen.