Las técnicas de aprendizaje profundo se han vuelto rápidamente importantes como un método preferido para evaluar la segmentación de imágenes médicas. Este estudio analiza diferentes contribuciones en el campo médico del aprendizaje profundo, incluyendo los principales problemas comunes publicados en los últimos años, y también discute los fundamentos de los conceptos de aprendizaje profundo aplicables a la segmentación de imágenes médicas. El estudio del aprendizaje profundo se puede aplicar a la categorización de imágenes, reconocimiento de objetos, segmentación, registro y otras tareas. Primero se presentan las ideas básicas de las técnicas, aplicaciones y marcos de aprendizaje profundo. Se explican brevemente las técnicas de aprendizaje profundo que operan en las aplicaciones ideales. Este documento indica que existe experiencia previa con diferentes técnicas en la clase de segmentación de imágenes médicas. El aprendizaje profundo ha sido diseñado para describir y responder a varios desafíos en el campo del análisis de imágenes médicas, como la baja precisión de la clasificación de imágenes, la baja resolución de la segmentación y la pobre mejora de imágenes. Con el objetivo de resolver estos problemas actuales y mejorar la evolución de los desafíos de segmentación de imágenes médicas, ofrecemos sugerencias para futuras investigaciones.