用 Transformer 变革医学影像？关键特性、当前进展与未来展望的比较综述
计算机视觉与模式识别
2022-11-22 v3
摘要
Transformer 作为深度学习的最新技术进步，已在自然语言处理或计算机视觉中流行。由于医学影像与计算机视觉有某些相似之处，很自然地要探究 Transformer 在医学影像中的现状并提问：Transformer 模型能否变革医学影像？在本文中，我们试图对该探究作出回应。在简要介绍 Transformer 的基础，特别是与卷积神经网络（CNNs）比较，并强调表征 Transformer 的关键定义特性之后，我们提供了基于 Transformer 的医学影像最先进方法的全面综述，并展示了在医学图像分割、识别、检测、配准、重建、增强等领域取得的研究进展。特别地，我们综述的独到之处在于其基于 Transformer 关键定义特性（主要源自 Transformer 与 CNN 的比较）及其架构类型（规定了 Transformer 与 CNN 结合的方式）的组织方式，这些都有助于读者最好地理解所综述方法背后的原理。我们以未来展望的讨论作结。
引用
@article{arxiv.2206.01136,
title = {Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives},
author = {Jun Li and Junyu Chen and Yucheng Tang and Ce Wang and Bennett A. Landman and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2206.01136},
year = {2022}
}