Transformers 已经主导了自然语言处理领域,最近又影响了计算机视觉领域。在医学图像分析领域,Transformer也已成功应用于全堆栈的临床应用,包括图像合成/重建、配准、分割、检测和诊断。我们的论文对Transformers 在医学图像分析领域进行全面调研。具体来说,我们首先概述了Transformer和其他基本组件中内置的注意力机制的核心概念。其次,我们给出了为医疗图像应用程序量身定制的各种Transformer架构的新分类,并讨论了它们的局限性。在这篇综述中,我们研究了围绕在不同学习范式中使用Transformer、提高模型效率以及它们与其他技术的耦合的关键挑战。我们希望这篇综述能给医学图像分析领域的读者一个全面的Transformers 的综述。