深度学习方法在标签可变性医学影像中的应用：综合综述

深度学习在医学影像中取得了显著的突破，但这些进展往往依赖于大规模、标注完善的数据集。然而，获取此类数据集具有显著挑战，因而需要耗时且费力的医学专家标注。因此，日益关注如不完整、不精确和缺失监督等学习范式，这些范式旨在在有限、不精确或缺失标签下运行。本综述对近年来约600个重要贡献的研究进行分类与评述，涵盖图像分类、分割和检测等任务，适用于脑部、胸部和心脏等various医学应用领域。我们试图建立相关领域现有研究之间的关系。本文提供了不同学习范式的形式化定义，并对各种学习机制与策略进行全面总结与阐释，旨在帮助读者更好地理解当前研究格局与思路。我们还讨论了潜在的未来研究挑战。