El aprendizaje profundo (DL) y las redes neuronales convolucionales (CNN) han logrado un rendimiento de vanguardia en muchas tareas de análisis de imágenes médicas. Las imágenes histopatológicas contienen información valiosa que se puede utilizar para diagnosticar enfermedades y crear planes de tratamiento. Por lo tanto, la aplicación de DL para la clasificación de imágenes histológicas es un campo de investigación en rápido crecimiento. La popularidad de las CNN ha llevado a un rápido crecimiento en el número de trabajos relacionados con las CNN en histopatología. Este documento tiene como objetivo proporcionar una visión clara para una mejor navegación. En este documento, se han revisado estudios recientes de clasificación basados en DL en histopatología utilizando datos fuertemente anotados. Todos los trabajos se han categorizado desde dos puntos de vista. En primer lugar, los estudios se han categorizado en tres grupos según el enfoque de entrenamiento y la construcción del modelo: 1. ajuste fino de redes pre-entrenadas para clasificación de una etapa, 2. entrenamiento de redes desde cero para clasificación de una etapa, y 3. clasificación de múltiples etapas. En segundo lugar, los documentos resumidos en este estudio cubren una amplia gama de aplicaciones (por ejemplo, mama, pulmón, colon, cerebro, riñón). Para ayudar a navegar a través de los estudios, se utilizó la clasificación de los trabajos revisados en clasificación de tejidos, gradación de tejidos e identificación de biomarcadores.