본 논문은 의료 영상 분석(MIA)에서 심층 학습의 성과와 한계를 다루며, 특히 고품질의 대규모 라벨링 데이터 확보의 어려움을 해결하기 위한 라벨 효율적인 심층 학습 방법들을 종합적으로 검토한 논문입니다. 350편 이상의 동료 심사 논문을 분석하여, 라벨이 없는 경우, 부족한 경우, 부정확한 경우, 그리고 라벨 개선의 네 가지 라벨링 패러다임으로 라벨 효율적인 학습 방법들을 분류하고, 각 범주에 대한 대표적인 기술들을 의료 영상 종류와 임상 적용 분야별로 분석합니다. 또한, 대규모 사전 훈련과 전이 학습을 통해 라벨 효율적인 학습을 가능하게 하는 헬스 기반 모델(HFMs)의 역할 증대에 대해서도 논의하며, 현재의 과제와 미래 방향을 제시합니다.
