Der Bedarf an Zeit und Aufmerksamkeit des Arztes für den Patienten aufgrund der zunehmenden Menge an medizinischen Daten, die zu diagnostischen und therapeutischen Zwecken interpretiert und gefiltert werden müssen, hat die Entwicklung der Option gefördert, Deep-Learning-Modelle für Anwendungen bei der Interpretation medizinischer Bilder konstruktiv und effektiv zu unterstützen. Bildgebende Ärzte kombinieren Daten aus verschiedenen Stadien und medizinischen Erfahrungen, im Gegensatz zu DL-Modellen, die die gleichen Arten und Modi von handwerklichen Merkmalen enthalten. Der Hauptbeitrag dieses Buches besteht in erster Linie darin, die Auswirkungen der Datenqualität, -art und -menge zu beleuchten, die von Deep-Learning-Modellen in der medizinischen Bildanalyse verwendet werden, begleitet von einer aktualisierten Charakterisierung der Komponenten des Deep-Learning-Prozesses von den Daten bis zu medizinischen Anwendungen. Zweitens werden die spezifischen Korrelationen zwischen den Komponenten des Deep-Learning-Prozesses beschrieben. Schließlich werden Probleme und Richtungen für die zukünftige Forschung vorgestellt.