基于人工智能的方法,用于整合本地和全球特征的脑癌成像:范围审查
Hazrat Ali1, Rizwan Qureshi2, Zubair Shah1
1College of Science and Engineering, Hamad Bin Khalifa University, Doha, Qatar.
JMIR medical informatics
|November 17, 2023
概括
视觉转换器 (ViT) 在脑癌成像中表现有前途,特别是在瘤细分方面. 然而,它们的计算复杂性对广泛的临床采用构成了挑战.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 神经科学是一个神经科学.
背景情况:
- 基于变压器的模型越来越多地用于医学和癌症成像.
- 最近的研究强调了它们在脑癌诊断和瘤细分方面的应用.
研究的目的:
- 审查各种视觉转换器 (ViT) 对脑癌诊断和细分的贡献.
- 检查ViT架构以增强脑瘤细分.
- 探索ViT模型如何提高脑癌成像中的卷积神经网络性能.
主要方法:
- 按照PRISMA-ScR指南进行系统审查.
- 在PubMed,Scopus,IEEE Xplore和谷歌学者中进行的搜索.
- 独立评审人选择和数据提取,并进行叙事综合.
主要成果:
- 包括22项研究 (2021-2022),主要集中在使用ViTs的瘤细分.
- 目前,转移窗口变压器架构是最受欢迎的.
- 联网变压器和TransUNet架构需要大量的计算资源 (8个GPU).
- ViTs与CNN相结合,可以捕捉全球和本地图像背景.
结论:
- 变压器架构的计算复杂性是临床翻译的重要瓶.
- 这篇评论为医学AI和脑癌应用领域的研究人员提供了宝贵的见解.
