La necessità di tempo e attenzione da parte del medico al paziente, dovuta all'aumento del volume di dati medici da interpretare e filtrare per scopi diagnostici e terapeutici, ha incoraggiato lo sviluppo della possibilità di supportare, in modo costruttivo ed efficace, modelli di deep learning per applicazioni nell'interpretazione di immagini mediche. I medici di imaging combinano dati provenienti da diverse fasi ed esperienze mediche, al contrario dei modelli DL che incorporano gli stessi tipi e modalità di caratteristiche artigianali. Il contributo principale di questo libro è innanzitutto quello di evidenziare l'impatto della qualità dei dati, del tipo e del volume utilizzati dai modelli di deep learning nell'analisi delle immagini mediche, accompagnato da una caratterizzazione aggiornata delle componenti del processo di deep learning dai dati alle applicazioni mediche. In secondo luogo, descrive le correlazioni specifiche tra i componenti del processo di apprendimento profondo. Infine, presenta problemi e direzioni per la ricerca futura.