文章目录
总体结构
COVID-19 Diagnosis
黑盒模型
- Point-of-Care Transformer(POCFormer)：利用Linformer将自注意的空间和时间复杂度从二次型降低到线性型。POCFormer有200万个参数，约为MobileNetv2的一半，因此适合于实时诊断。
- Vision Outlooker (VOLO)：新注意机制，将精细级特征编码为ViT token 表征，从而提高分类性能。
- Swin Transformer和Transformer-in-Transformer将COVID-19图像从肺炎图像和正常图像中分类。
- FESTA利用了联邦和分裂学习的优点，利用ViT同时处理多个胸部x射线任务
- 变压器和cnn组成的混合网络
- 基于Swin Transformer的两阶段框架：基于UNet的肺分割模型，然后使用Swin Transformer主干进行图像分类
可解释的模型
基于显著性的可视化和基于梯度的方法
肿瘤分类
黑盒模型
TransMed：第一个利用ViTs进行医学图像分类的工作。它是一种基于CNN和变压器的混合架构，能够对多模态MRI医学图像中的腮腺肿瘤进行分类
Gene-Transformer:预测肺癌亚型
多尺度GasHis-Transformer来诊断胃癌
对称交叉熵损失函数诊断急性淋巴细胞白血病的混合模型
可解释模型
基于全切片成像(WSI)的病理诊断中，一个标签分配给一组实例(袋)。
如果至少有一个实例是正的，则标记为正的;如果袋子中的所有实例都是负的，则标记为负的
TransMIL利用两个基于Transformer的模块和一个位置编码层聚合形态信息，为了对空间信息进行编码，提出了一种金字塔位置编码发生器，注意力得分已被可视化，以证明可解释性
图形转换网络(GTN)来利用基于图的WSI表示。GTN由图卷积层、变压器层和池化层组成。GTN进一步使用GraphCAM来识别与类标签高度相关的区域。
视网膜疾病分类
MIL-ViT模型，该模型首先在大型眼底图像数据集上进行预训练，然后在视网膜疾病分类的下游任务上进行微调。
MIL-ViT架构使用基于mil的磁头，可以与ViT一起以即插即用的方式使用。
病变感知变压器(LAT)，该变压器由基于像素关系的编码器和病变感知变压器解码器组成
卷积层和Transformer层组成的混合架构
小结
必须更多地关注为COVID-19诊断设计可解释(以获得最终用户信任)和高效(用于即时检测)的ViT模型，使其成为未来RTPCR检测的可行替代方案。
强调一下一个令人兴奋的工作，他们首次证明了在ImageNet上预训练的ViTs在医学图像分类任务中的表现与cnn相当，如表5所示。这也提出了一个有趣的问题:"在医学成像数据集上预训练的ViT模型在医学图像分类方面是否比在ImageNet上预训练的ViT模型表现得更好?"最近的一项工作试图通过在大规模2D和3D医学图像上预训练ViT来回答这个问题。在医学图像分类问题上，他们的模型比在ImageNet上预训练的ViT模型获得了实质性的性能提升，这表明该领域值得进一步探索。
