تفسیرخودکار تصاویر، زمینه جدیدی از هوش مصنوعی است که دو شاخه پردازش زبان‌ طبیعی و یادگیری ماشین را به خدمت می‌گیرد. تحقیقاتی که در سالهای اخیر بر روی این مقوله انجام‌ شده و نتایج قابل قبولی که در این زمینه حاصل شده‌است از یک طرف و نیاز جامعه پزشکی به تفسیرخودکار تصاویر پزشکی از طرف دیگر، محققان را بر آن داشته تا این رویکرد را در این زمینه نیز به‌ کار گیرند. تفسیر خودکار تصاویر پزشکی نسبت به مسأله توصیف خودکار تصاویر طبیعی، چالش برانگیزتر می‌باشد.کمیت و کیفیت مجموعه‌داده‌های موجود در این مقوله نسبت به مجموعه‌داده‌های تفسیر تصاویر طبیعی کمتر است، تفسیرها غیرساختار‌یافته‌اند و تفسیر تصاویر طبیعی، شامل توصیف اشیاء و روابط بین آنها با یک یا چند جمله است درحالی‌که شرح تصاویر پزشکی شامل درک یافته‌های بالینی و ارائه یک گزارش دقیق از پاراگراف‌های مختلف است؛ تا فقط آنچه از نظر بالینی مهم است به جای آنچه در تصویر از نظر اشیاء وجود دارد برجسته گردد. در راستای رسیدن به نتایج مطلوب روش‌های متعددی پیشنهاد شده‌است که در این بین روش‌های مبتنی‌ بر یادگیری ‌عمیق، به نتایج بهتری دست یافته‌است. این مقاله به معرفی مجموعه‌داده‌ها، معیارهای ‌ارزیابی و روشهای توسعه‌یافته بر پایه یادگیری‌ عمیق در زمینه تفسیرخودکار تصاویر پزشکی می‌پردازد تا کمکی در راستای درک ادبیات موجود و برجسته نمودن مسیرهای آینده در این زمینه باشد.