卷積神經網絡（CNN）是機器學習研究中的熱點，在醫學圖像應用中具有一定價值。本文首先介紹了 CNN 基本原理，其次綜述了其在網絡結構的改進：在模型結構方面，總結了 CNN 的 11 種經典模型，并以時間順序梳理發展進程；在結構優化方面，從 CNN 的 5 個方面（輸入層、卷積層、下采樣層、全連接層以及整個網絡）總結研究進展。然后，對學習算法從優化和融合兩個方面進行歸納：優化算法方面，根據優化目的（提高準確率、防止過擬合、防止局部最值、提高收斂速度）梳理算法的進展；方法融合方面，分別從輸入層、卷積層、下采樣層、全連接層和輸出層共 5 個角度進行歸納。最后，將 CNN 映射到醫學圖像領域，結合計算機輔助診斷探討 CNN 在醫學圖像中的應用。本文對 CNN 進行了較為全面系統地總結，對 CNN 的研究發展具有積極意義。