人工智能的进展推动了医疗保健领域的革命性变化，其中包括生成式人工智能模型，特别是转换器和扩散模型的应用。本综述旨在全面介绍生成式人工智能在医疗保健中的应用，重点关注转换器和扩散模型，并提出未来研究的潜在方向，以应对医疗保健部门的现有限制和不断变化的需求。作为对对生成式人工智能在医疗保健领域应用感兴趣的研究人员和实践者的全面指南，本综述提供了有关当前技术水平、面临的挑战以及未来发展方向的宝贵见解。

Oct, 2023

本文综述 Transformer 模型在医学图像处理中的应用，包括使用注意力机制编码 - 解码结构的 Transformer 模型与卷积神经网络的比较，基于 Transformer 模型的医学图像分类、分割、配准和重建方法，以及与 CNNs 模型在标准医学数据集上的性能比较。

Nov, 2022

本文通过详细调查从 2017 至 2022 年间提出的 Transformer 模型，分析了其在自然语言处理、计算机视觉、多模态、音频和语音处理以及信号处理等领域中的应用及其对应的任务，并提供了一种分类法，以期为进一步研究及其未来的应用提供参考。

Jun, 2023

综述了 Transformer 在医学图像中的应用，包括分割、检测、分类、重建、合成、配准和临床报告生成等方面，开发了分类法，确定了应用特定的挑战并提供了解决方案和最近的趋势，以及对整个领域的现状进行了批判性的讨论，包括关键挑战、未解决的问题和有前途的未来方向。

Jan, 2022

依赖于诊断工具及深度学习方法，该论文旨在探索基于 Transformer 的创新架构在中风分割领域的应用，提供详细的分析和评估，同时探讨未来的研究发展方向。

Mar, 2024

该文是关于基于 Transformer 的自然语言处理（NLP）应用到电子病历（EMR）领域的最新研究进展的系统文献综述，涵盖了业务问题、NLP 任务、模型和技术、数据集可用性、建模再现性、语言和交换格式等方面。通过分析当前研究的局限性和未来研究建议，该文提供了有关该领域 Transformer-based 方法的综合评估。

Apr, 2023

ChatGPT 和相关生成 AI 产品所使用的深度学习架构被称为 transformers，从自然语言处理开始，transformers 和其所利用的自注意机制引起了自然科学领域的广泛关注。本文旨在介绍 transformers 给科学家，包括自注意机制的数学原理、原始 transformer 架构的描述，以及在天文学中应用于时间序列和图像数据的部分。此外，还提供了一个常见问题解答部分，供对生成 AI 感兴趣且希望用 transformers 解决研究问题的读者参考。

Oct, 2023

介绍了 Transformer 基本概念，描述了标准 Transformer 架构，包括一系列模型细化和常见应用，主要关注有助于理解 Transformer 及其变体的概念和对该领域产生影响的关键思想，从而揭示了这些模型的优势和局限性。

Nov, 2023

该论文通过对 NLP 的演变及其应用的准确性和效率的评论，以及提出和硬件考虑下对基于 transformer 模型的效率进行改进的研究贡献的调查，旨在确定当前 NLP 技术对可持续社会的贡献，并为未来研究奠定基础。

May, 2024

利用机器学习和大数据分析，特别是采用 transformers 评估甲状腺癌（TC）预后和确定个体恶性风险，该综述文章介绍了人工智能算法、框架目标和计算环境构建的新分类方法，以及对可用的 TC 数据集的审查和对比，强调了 AI 工具在辅助甲状腺癌的诊断和治疗中的重要性，特别关注 transformers 在医学诊断和疾病管理中的持续重要性，并探讨了该领域的进展和持续的障碍，最后还探讨了该研究领域的未来方向和重点。

Mar, 2024