自其复兴以来，人工智能已广泛用于支持各种医学影像任务，并在不少应用中取得了显著成功，从而将我们带入了所谓的“人工智能”时代。众所周知，人工智能的成功主要归咎于算法的进步、算力的提升和针对单任务的大数据标注。但是，医学影像有自身的特点，给以深度学习为主的人工智能方法提出了独特挑战。本文中，我们首先强调了医学影像的临床需求和技术困难，阐述了如何利用深度学习解决这些问题的新兴技术趋势，涵盖了网络架构、稀疏有噪标签、联邦学习、可解释性、不确定性量化等主题。然后，我们介绍了一些临床实践中常见的应用案例，包括胸部、神经、心血管、腹部和病理影像，描述了在这些研究应用中的重点进展。最后，我们提出了有潜力的未来方向。
