本研究针对糖尿病性视网膜病变（DR）的可解释性问题，结合图表示学习与视觉-语言模型，构建生物信息图，利用OCTA图像进行DR分级。实验结果表明，该方法提高了分类准确率，并增强了临床可解释性，为病理定位提供了新思路。

本文介绍了一种名为“Lesion-Net”的全卷积网络，旨在解决糖尿病性视网膜病变分级中的三大挑战。该方法在12K张眼底图像上进行实验，显示出在病变分割、分类和分级任务上优于现有技术，具有高准确性和有效性。