Une enquête sur les applications des Transformers pour l'analyse d'images histopathologiques : Nouveaux développements et futures directions

Les Transformers ont été largement utilisés dans de nombreux défis de vision par ordinateur et ont montré leur capacité à produire de meilleurs résultats que les réseaux de neurones convolutionnels (CNN). Tirant parti de la capture d'informations contextuelles à long terme et de l'apprentissage de relations plus complexes dans les données d'image, les Transformers ont été utilisés et appliqués aux tâches de traitement d'images histopathologiques. Dans cette enquête, nous faisons un effort pour présenter une analyse approfondie des utilisations des Transformers dans l'analyse d'images histopathologiques, couvrant plusieurs sujets, des modèles Transformer récemment construits aux défis non résolus. Pour être plus précis, nous commençons d'abord par décrire les principes fondamentaux du mécanisme d'attention inclus dans les modèles Transformer et d'autres cadres clés. Deuxièmement, nous analysons les applications basées sur les Transformers dans le domaine de l'imagerie histopathologique et fournissons une évaluation approfondie de plus de 100 publications de recherche à travers différentes tâches en aval pour couvrir les innovations les plus récentes, y compris l'analyse et la prédiction de survie, la segmentation, la classification, la détection et la représentation. Dans ce travail d'enquête, nous comparons également les performances des techniques basées sur les CNN aux Transformers sur la base d'articles publiés récemment, soulignons des défis majeurs et proposons des directions de recherche futures intéressantes. Malgré les performances exceptionnelles des architectures basées sur les Transformers dans de nombreux articles examinés dans cette enquête, nous anticipons que des améliorations et une exploration supplémentaires des Transformers dans le domaine de l'imagerie histopathologique sont encore nécessaires à l'avenir. Nous espérons que cet article d'enquête fournira aux lecteurs de ce domaine d'étude une compréhension approfondie des techniques basées sur les Transformers dans l'analyse d'images histopathologiques, et un résumé à jour des articles sera fourni à https://github.com/S-domain/Survey-Paper.