En este documento, proponemos un modelo de aprendizaje profundo basado en el aprendizaje de doble rama con un mecanismo de atención híbrido para hacer frente a los desafíos en la subutilización de características en el diagnóstico de imágenes oftálmicas y la capacidad de generalización limitada de los modelos tradicionales de aprendizaje profundo de una sola modalidad al utilizar datos desequilibrados.