在医学领域，由于患者隐私问题，图像很难集中收集和标注，给深度学习模型的训练和部署带来了较大困难。联邦学习作为一种能有效保护数据隐私的分布式学习框架，其能够在参与方不共享数据的基础上进行联合建模，从技术上打破数据孤岛，凭借这些优势在许多行业已经得到广泛应用。由于与医学图像处理的需求高度契合，近年来也涌现出许多应用于医学图像处理的联邦学习研究，然而大部分新的方法仍未被归纳分析，不利于后续的进一步探索。文中对联邦学习进行了简单的介绍，列举了其在医学图像处理方面的部分应用，并根据改进的方向将目前已有的研究进行了分类总结。最后，讨论了目前医学图像方向联邦学习所面临的问题和挑战，对未来的研究方向进行了展望，希望给后续研究提供一定的帮助。
