隨著網絡結構的迅速發展，卷積神經網絡（CNN）在圖像分析領域已成為一種領先的機器學習工具。因此，基于 CNN 的語義分割也已成為醫學圖像理解中的一項關鍵高級任務。本文綜述了基于 CNN 的語義分割在醫學圖像領域中的研究進展，回顧了多種經典的語義分割方法及其架構變化，并重點介紹了它們在該領域的貢獻和意義。在此基礎上，進一步總結和討論了它們在一些重要的生理與病理解剖結構分割中的應用。最后，本文討論了語義分割在醫學圖像領域應用將遭遇的挑戰和潛在發展方向。
大腦會隨年齡增長而逐漸發生萎縮與機能衰退，并且這種變化的速度和軌跡在腦區間和個體間存在明顯差異。由于神經影像可以反映大腦的健康狀態，因此常用于大腦年齡的預測研究。本文對基于神經影像的腦年齡預測模型研究進行了系統的梳理和回顧，根據影像的模態和特征類型對這些研究進行綜述，剖析了其優缺點。結果顯示，基于神經影像的預測框架具備個體對象腦年齡預測的潛力。最后，本文討論了腦年齡預測中存在的問題，并對未來的研究方向進行了展望。
基于電子計算機斷層掃描（CT）影像的計算機輔助診斷可實現對肺結節的檢測與分類，提高早期肺癌的生存率，具有重要臨床意義。近年來，隨著醫療大數據與人工智能技術的飛速發展，基于深度學習算法的肺癌輔助診斷已逐漸成為該領域最為活躍的研究方向之一。為了進一步推動深度學習算法在肺結節檢測和分類中的研究，本文結合近年國內外發表的相關文獻，對該領域的研究進展進行綜述。首先，簡要介紹了兩大廣泛使用的肺 CT 影像數據庫：肺部圖像數據庫聯盟與圖像數據庫資源計劃（LIDC-IDRI）和 2017 數據科學杯（Data Science Bowl 2017）。然后，對多種不同深度網絡架構的肺結節檢測與分類研究分別進行詳細的介紹。最后，討論了深度學習在結節檢測和分類中面臨的一些問題并給出結論，并對發展前景進行了展望，為今后該領域的應用研究提供參考。