在过去的几年中,深度学习和医学的交叉领域取得了快速的进展,特别是在医学图像的解释方面。在这篇论文中,我描述了为医学图像解释的深度学习技术的发展带来挑战和机遇的三个主要方向。首先,我讨论了专家级医学图像解译算法的发展,重点是转移学习和自监督学习算法,设计用于低标签医疗数据设置。其次,我将讨论高质量数据集的设计和管理及其在推进算法开发中的作用,重点是使用有限的手工注释进行高质量标记。第三,通过系统分析临床相关分布位移下的性能的研究,我讨论了医学图像算法的真实评估。总之,这篇论文总结了这些方向的关键贡献和见解,以及在医学专业的关键应用。