In recent years, with the development of artificial intelligence, deep learning has been gradually applied to clinical treatment and research. It has also found its way into the applications in radiotherapy, a crucial method for cancer treatment. This study summarizes the commonly used and latest deep learning algorithms (including transformer, and diffusion models), introduces the workflow of different radiotherapy, and illustrates the application of different algorithms in different radiotherapy modules, as well as the defects and challenges of deep learning in the field of radiotherapy, so as to provide some help for the development of automatic radiotherapy for cancer.

Ces dernières années, avec le développement de l’intelligence artificielle, l’apprentissage profond a été progressivement appliqué au traitement clinique et à la recherche, avec notamment un large éventail d’applications et de potentiels en radiothérapie. La radiothérapie est une méthode cruciale pour le traitement du cancer. Cette étude résume les algorithmes d’apprentissage profonde couramment utilisés et les plus récents (transformer, modèle de diffusion). Le flux de travail des différentes radiothérapies et l’application de différents algorithmes dans différents modules de radiothérapie sont introduits, ainsi que les défauts et les défis de l’apprentissage profond dans le domaine de la radiothérapie, afin de fournir une perspective pour le développement de l’automatisation de la radiothérapie du cancer.