RETBind：用于统一跨模态视网膜表征学习的患者级多模态基座模型

研究团队提出患者级多模态基座模型 RETBind，利用患者配对的光学相干断层扫描（OCT）与超广角（UWF）眼底图像学习统一跨模态表征。RETBind 采用单一共享编码器直接捕获模态间对应关系，在涵盖眼部疾病分类与分割的 9 个基准数据集上均取得提升，显著改善了不平衡数据下的 AUPR。探索性分析还表明，该模型具有通过视网膜图像预测全身性疾病的迁移潜力。