本研究探讨了自监督学习在眼科影像中对年龄相关性黄斑变性（AMD）识别的影响。通过基准测试六种视觉变换器，发现基于自然图像预训练的iBOT在外部分布泛化上表现最佳，AUROC值达到0.80-0.97，显示基础模型在AMD识别中的重要性。

DeepSeeNet是一种基于深度学习的系统，能够自动分类年龄相关性黄斑变性（AMD），其分类精度优于人类专家。该系统结合多模态输入和卷积神经网络，优化了AMD的检测和分类，显示出在临床应用中的潜力，尤其是在生物标志物发现和治疗靶点识别方面。