SLO影像缺失不再只能填零：条件扩散在特征空间补出代理表示，术后视力预测准确率升至0.9714
白内障术前多模态数据中SLO影像常缺失，此前的方法多在融合阶段抑制缺失影响或用零值填充，而不显式补出该模态的任务相关表示。这项工作把缺失SLO当作潜特征空间中的代理表示恢复问题，用OCT图像特征与临床文本特征作为条件，驱动扩散模型反向去噪估计样本特异的SLO代理表示，再送入融合预测网络。在2141例术前样本、SLO缺失率58.80%的数据上，该方法在绝对误差不超过0.1 LogMAR的判据下准确率为0.9714、平均绝对误差0.0423，优于UML骨干基线的0.9625与0.0457。