利用视觉Transformer改进肺癌诊断与预后：一项范围综述

基于视觉Transformer的方法正在推动医学人工智能与癌症影像领域的发展，包括肺癌应用。近来，许多研究者开发了基于视觉Transformer的人工智能方法用于肺癌诊断与预后。本范围综述旨在梳理基于视觉Transformer的人工智能方法在肺癌影像应用中的最新进展。它提供了关于视觉Transformer如何补充人工智能与深度学习方法在肺癌中性能的关键见解。此外，该综述还确定了推动该领域发展的数据集。在检索到的314项研究中，本综述纳入了2020年至2022年发表的34项研究。这些研究中最常处理的任务是肺癌类型的分类，例如肺鳞状细胞癌与肺腺癌的区分，以及良性与恶性肺结节的识别。其他应用包括肺癌患者生存预测与肺部分割。这些研究缺乏明确的临床转化策略。SWIN Transformer是研究者们的热门选择；然而，也有许多其他架构被报道，其中视觉Transformer与卷积神经网络或UNet模型相结合。可以得出结论，基于视觉Transformer的模型在开发肺癌应用的人工智能方法中日益流行。然而，其计算复杂度和临床相关性是未来研究工作中需考虑的重要因素。本综述为人工智能与医疗健康领域的研究者提供了宝贵见解，以推进肺癌诊断与预后的最先进水平。我们在 lung-cancer.onrender.com/ 提供了一个交互式仪表盘。