[論文レビュー] Vision Transformers in Medical Imaging: A Review

Emerald U. Henry, Onyeka Emebob+1 more|arXiv (Cornell University)|Nov 18, 2022

Brain Tumor Detection and Classification被引用数 34

ひとこと要約

医用画像診断における vision transformers の適用についての総括的レビューであり、分類、セグメンテーション、登録、再構成にわたって transformer ベースの方法と CNNs を比較する。

ABSTRACT

Transformer, a model comprising attention-based encoder-decoder architecture, have gained prevalence in the field of natural language processing (NLP) and recently influenced the computer vision (CV) space. The similarities between computer vision and medical imaging, reviewed the question among researchers if the impact of transformers on computer vision be translated to medical imaging? In this paper, we attempt to provide a comprehensive and recent review on the application of transformers in medical imaging by; describing the transformer model comparing it with a diversity of convolutional neural networks (CNNs), detailing the transformer based approaches for medical image classification, segmentation, registration and reconstruction with a focus on the image modality, comparing the performance of state-of-the-art transformer architectures to best performing CNNs on standard medical datasets.

研究の動機と目的

• transformer モデルが医用画像解析にどのように適用・適応されているかを評価する。
• transformer-based アプローチと CNN baselines を標準データセットで比較する。
• 分類、セグメンテーション、登録、再構成にわたる transformer アプリケーションを詳述する。
• 評価に用いられる画像モダリティとデータセットを強調する。

提案手法

• 医用画像分野における transformer アーキテクチャを説明し、CNNs と対比する。
• 分類、セグメンテーション、登録、再構成における transformer ベースの方法を要約する。
• 評価のために用いられる画像モダリティ（例：MRI、CT など）と標準的な医用データセットをレビューする。
• 最新の transformer の性能を標準データセット上の最良の CNN と比較する。

実験結果

リサーチクエスチョン

• RQ1 vision transformers は標準的な医用画像タスクにおいて CNNs と比べてどのように性能を発揮するか？
• RQ2 医用画像モダリティとデータセットのうち、vision transformers の評価で最もよく用いられるものは何か？
• RQ3 医用画像における分類、セグメンテーション、登録、再構成における transformer ベースのアプローチの長所と限界は何か？

主な発見

• 医用画像における分類、セグメンテーション、登録、再構成の全領域で transformers が評価されている。
• 最先端の transformer アーキテクチャが標準データセット上で CNNs と比較されている。
• 本レビューは、医用画像における transformer の性能ベンチマークに用いられるモダリティとデータセットを強調する。