将深度学习与眼底及光学相干断层扫描结合用于心血管疾病预测

本研究针对心血管疾病（CVD）的早期预测问题，提出了一种基于多通道变分自编码器（MCVAE）的新型二元分类网络，结合视网膜光学相干断层扫描（OCT）影像和眼底照片进行患者分类。研究结果显示，该模型有效识别未来心血管事件风险患者，具有良好的准确率和特异性，强调了这些影像学方法在大规模心血管疾病风险筛查中的潜在应用价值。