一个转换器应用 histopathological图像分析的调查:新的发展和未来的方向

科学领域:

• 计算机视觉 计算机视觉
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 变压器通过捕捉远程依赖,在计算机视觉中比卷积神经网络 (CNN) 提供更高的性能.
• 组织病理图像分析受益于变形金刚在图像数据中建模复杂关系的能力.

研究的目的:

• 为了提供一个全面的转换器应用在他的病理图像分析的综合调查.
• 分析变压器模型,它们的基本机制,以及它们对各种下游任务的影响.

主要方法:

• 对基于变压器的基因病理图像分析的100多篇研究出版物的审查和分析.
• 将变压器性能与基于CNN的方法进行比较.
• 确定当前的挑战和未来的研究途径.

主要成果:

• 变压器在各种异位病理学任务中表现出强的表现,包括分类,细分,检测,生存分析和表示学习.
• 一项比较分析强调了变形金刚在这个领域的优势,而不是传统的CNN.
• 确定了当前变压器应用中的关键挑战和局限性.

结论:

• 变压器架构显示出显著的前景,并在基因病理图像分析中取得了出色的结果.
• 进一步的研究和开发对于充分实现变压器在数字病理学中的潜力至关重要.
• 这项调查为该领域的研究人员提供了基本的理解和资源.