Segmentasi pembuluh darah retina memainkan peran penting dalam deteksi dini penyakit mata seperti diabetic retinopathy, glaucoma, dan macular degeneration. Arsitektur hibrida yang ada seperti VGA-Net mengalami kompleksitas komputasi yang tinggi akibat backbone VGG-16 dan keterbatasan ekspresivitas atensi karena modul GAT yang bersifat statis, namun belum ada penelitian sebelumnya yang mengkaji penggantian kedua komponen tersebut dalam arsitektur graf berbasis patch di mana kualitas fitur backbone secara langsung mengondisikan efektivitas atensi graf. Penelitian ini bertujuan untuk meningkatkan efisiensi komputasi dan pemodelan topologi VGA-Net dengan mengganti VGG-16 menggunakan ConvNeXt-Tiny serta mensubstitusi GAT dengan GATv2. Kontribusi utama penelitian ini adalah pengurangan parameter sebesar 55% melalui substitusi backbone ConvNeXt-Tiny dan peningkatan pemodelan topologi pembuluh darah melalui mekanisme atensi dinamis GATv2, yang menghasilkan koefisien atensi yang sepenuhnya dinamis per query node. Eksperimen dilakukan pada dataset DRIVE dan STARE menggunakan pipeline praproses yang konsisten, penyetelan hyperparameter dengan metode one-factor-at-a-time, dan protokol evaluasi terpadu di seluruh metode yang dibandingkan. Model yang diusulkan mencapai jumlah parameter terendah (5,3 juta) dan GFLOPs terendah (3,2443), dengan waktu inferensi yang kompetitif sebesar 61,00 md per citra, di antara seluruh metode yang dibandingkan, sekaligus mencapai performa kompetitif dalam sensitivity dan kontinuitas topologi. Pada dataset DRIVE, model mencapai sensitivity tertinggi sebesar 0,8718 dan clDice tertinggi sebesar 0,8446. Pada dataset STARE, model mencapai sensitivity tertinggi sebesar 0,9383 dan clDice tertinggi sebesar 0,9055. Hasil-hasil ini menunjukkan bahwa model yang diusulkan mencapai trade-off efisiensi-performa yang menguntungkan, unggul dalam sensitivity dan kontinuitas topologi dengan biaya komputasi terendah di antara seluruh metode yang dibandingkan, dengan konsekuensi nilai specificity, accuracy, Dice, dan MCC yang lebih rendah dibandingkan beberapa metode tertentu yang dibandingkan.