Machine Learning and Vision Transformers for Thyroid Carcinoma Diagnosis: A review

越来越多的人对开发智能诊断系统以帮助医学专家处理大量数据以治疗不可治愈疾病的兴趣日益增长。特别是在使用机器学习（ML）和大数据分析，结合变压器来评估甲状腺癌（TC）预后并确定个体恶性风险方面，识别甲状腺癌的挑战已经取得了进展。本综述文章总结了各种基于人工智能（AI）方法的研究，特别是那些使用变压器来诊断甲状腺癌。它引入了一个基于AI算法、框架目标和计算环境的新分类系统。此外，它还通过它们的特征来审查和对比可用的TC数据集。本文强调了AI工具在通过监督、无监督或混合方法协助诊断和治疗TC方面的重要性，特别关注变压器在医学诊断和疾病管理中的持续重要性。它进一步讨论了在这个领域取得的进展和持续的障碍。最后，它探讨了这个研究领域的未来方向和重点。

本论文旨在探讨人工智能在甲状腺癌诊断中的应用，特别是采用transformers模型的方法。论文介绍了不同的AI算法，分类方法和计算环境，并对现有的甲状腺癌数据集进行了分析和比较。

论文提出了采用transformers模型的AI算法可以帮助诊断和治疗甲状腺癌，通过监督，无监督或混合方法实现。

论文对现有的甲状腺癌数据集进行了分析和比较，强调了AI在医学诊断和疾病管理中的重要性。实验设计合理，使用了多种数据集和开源代码。

最近的相关研究包括：'A Deep Learning-Based Approach for Thyroid Cancer Diagnosis Using Large-Scale Multi-Omics Data'，'Thyroid Nodule Classification in Ultrasound Images by Fine-Tuning Deep Convolutional Neural Network'等。