本文探讨了深度学习在心脏影像分割中的应用，提出了多种自监督和弱监督学习方法，显著提高了心脏MRI和超声图像的分割精度。这些新算法在数据利用效率和诊断准确率上优于传统方法，为心血管疾病的诊断和治疗提供了重要支持。

该文综述深度学习在心脏影像中的应用，包括：图卷积网络消除心脏结构分割错误并实时预测轮廓点；HybridVNet高效生成高保真网格；3D nnU-Net提升分割时序一致性与泛化性；自监督对比学习用于心血管疾病诊断；图卷积与注意力机制提升组织学诊断可解释性；并介绍CAMUS心脏超声数据集及胎儿心脏视频自动描述方法。