基于深度学习的新型冠状病毒肺炎诊断研究综述
来源：计算机工程杂志2021年第5期北京时间：
作者：唐江平, 周晓飞, 贺鑫, 褚晓文, 李世锋, 常庆蕊, 张继勇
单位：1. 杭州电子科技大学 自动化学院, 杭州 310018;2. 香港浸会大学 计算机科学系, 香港 999077;3. 中电数据服务有限公司, 北京 100191;4. 华北电力大学 控制与计算机工程学院, 河北 保定 071000
摘要：新型冠状病毒肺炎（COVID-19）具有高传染性和高致病性，严重威胁人民群众的生命安全和身体健康，快速准确地检测和诊断COVID-19对于疫情控制至关重要。目前COVID-19检测诊断方法主要包括核酸检测和基于医学影像的人工诊断，但是核酸检测耗时较长并且需要专用的测试盒，而基于医学影像的人工诊断过于依赖专业知识，分析耗时较长且难以发现隐匿病变。随着X射线图像和计算机断层扫描图像数据集的相继提出，科研人员在此基础上构建基于深度学习的COVID-19检测诊断模型，有效辅助了医学专家对COVID-19的高效诊断治疗。总结用于COVID-19检测诊断的主流影像数据集和相关评价指标，以模型任务和影像数据类型2个角度分类介绍现有基于深度学习的COVID-19检测诊断模型，从骨干网络、数据集、影像类型、性能表现、分类种类和开源情况6个维度进行比较与分析。此外，介绍用于抗击COVID-19的优秀应用系统，并探讨该领域的未来发展趋势。
关键词：新型冠状病毒肺炎,深度学习,X射线图像,计算机断层扫描图像,检测诊断模型,疫情控制
基金资助：国家自然科学基金（61901145）。
