El concreto se presenta como el material de construcción más utilizado a nivel mundial debido a su versatilidad, abarcando aplicaciones que van desde pavimentos, estructuras de múltiples pisos y puentes hasta presas. Sin embargo, estas estructuras de concreto soportan estrés estructural y requieren un monitoreo cercano para prevenir accidentes y garantizar la sostenibilidad a lo largo de su ciclo de vida completo. En los últimos años, la inteligencia artificial (IA) y la visión por computadora (CV) han demostrado un considerable potencial en diversas aplicaciones dentro de la ingeniería de construcción, incluyendo el monitoreo de salud estructural (SHM) y procesos de inspección como la detección de grietas y daños, así como la exposición de varillas. Si bien es innegable que la CV y los modelos de aprendizaje profundo están transformando la industria de la construcción al ofrecer soluciones robustas para escenarios complejos, aún existen numerosos desafíos pertinentes a sus aplicaciones que requieren atención. Este documento tiene como objetivo revisar de manera sistemática y crítica la literatura de la última década sobre la aplicación de modelos de aprendizaje profundo en la industria de la construcción con fines de SHM en estructuras de concreto. La revisión profundiza en las metodologías y tecnologías propuestas mientras identifica oportunidades y desafíos asociados con estas aplicaciones en la práctica. Además, el documento proporciona información para cerrar la brecha entre la teoría y la aplicación.