Znanstvenici su razvili hibridni okvir koji kombinira Vision Transformer (ViT) arhitekturu s tradicionalnim pristupima strojnom učenju za automatsku klasifikaciju aterosklerotskih plaka u intravaskularnoj ultrazvuknoj slici. Okvir se sastoji od tri faze: ViT modela s Mixup poboljšanjem za globalnu ekstrakciju značajki, Gabor filtera kombiniranih s Support Vector Machine (SVM) i Random Forest (RF) klasifikatorima za teksturnu analizu i težinskih kombinacija predviđanja iz obje faze. Okvir je testiran na skupu od 3.867 IVUS slika i postigao je 89,39% točnosti i 88,45% F1-rezultata, što je bolje od pojedinačnih modela. Rezultati ukazuju na učinkovitost ovog pristupa za kliničke kardiovaskularne aplikacije.