医学影像分析领域Transformer模型的综述文章
近日，中国科学技术大学苏州高等研究院医学影像智能与机器人（MIRACLE) 研究中心与中国科学院计算技术研究所、约翰霍普金斯大学、范德堡大学紧密合作，引用414篇文章，详细总结了医学影像析的多个应用领域上Transformer模型的研究现状。文章题为“Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives.” 已发表在国际著名学术期刊Medical Image Analysis（影响因子13.828）上。周少华教授为该文章通讯作者，第一作者为李珺博士生。
Transformer模型是深度学习最新的基础模型架构之一，已在自然语言处理和计算机视觉领域得到了广泛应用。既然医学影像与计算机视觉的相关任务间存在相似之处，因此我们在了解Transformer在医学影像分析领域中的研究现状的基础上，会提出这样一个问题：Transformer模型能否改变医学影像分析领域？ 本文简要介绍了 Transformer 的基础知识，将其与卷积神经网络 (CNN) 进行对比，并剖析和定义了 Transformer 的关键属性。全面回顾了目前各种基于 Transformer的影像分析方法，整理了当前在医学图像分割、识别、检测、配准、重建、增强等领域取得的最新研究进展。特别地，从与CNN的比较中总结出了Transformer架构的关键特性、与CNN结合的架构类型等，并讨论了其发展前景，都有助于读者理解Transformer的架构特点，为新任务的应用与模型改进提供参考。
MIRACLE研究中心致力于医学影像的研究创新和应用落地。在此篇综述之前，团队已经在Proceedings of the IEEE（影响因子14.91）和Medical Image Analysis（影响因子13.828）上发表综述两篇，分别总结了人工智能深度学习deep learning和深度强化学习deep reinforcement learning技术在医学影像中的研究现状。
文章链接：https://arxiv.org/abs/2206.01136
https://doi.org/10.1016/j.media.2023.102762
