La arteria temporal mayor (MTA) es un componente crítico de la estructura retiniana que facilita el diagnóstico clínico y monitoreo de varias patologías oculares. Aunque trabajos recientes han abordado el análisis cuantitativo de la MTA a través de modelado paramétrico, sus esfuerzos están fuertemente basados en una suposición de simetría en la forma de la MTA. Este trabajo presenta un método robusto para la detección y modelado paramétrico por partes de la MTA en imágenes de fondo de ojo. El modelo consiste en una curva paramétrica por partes con la capacidad de considerar escenarios simétricos y asimétricos. En una etapa inicial, se construyen múltiples modelos a partir de puntos aleatorios de vasos sanguíneos tomados de la imagen retiniana segmentada de vasos sanguíneos, siguiendo una estrategia ponderada de RANSAC. Para elegir el modelo final, el algoritmo extrae características de ancho de vaso sanguíneo e intensidad de escala de grises y las fusiona para obtener una función de probabilidad gruesa de la MTA, que se utiliza para ponderar el porcentaje de puntos internos para cada modelo. Este procedimiento promueve la selección de un modelo basado en puntos con alta probabilidad de MTA. Los resultados experimentales en el conjunto de datos de referencia público Digital Retinal Images for Vessel Extraction (DRIVE), para el cual se han preparado delineaciones manuales de la MTA, indican que el método propuesto supera a los enfoques existentes con un Accuracy equilibrado de , Distancia Media al Punto Más Cercano de píxeles y Distancia de Hausdorff de píxeles, al tiempo que demuestra resultados competitivos en términos de tiempo de ejecución ( s por imagen).