新型冠状病毒肺炎(novel coronavirus pneumonia,COVID-19)具有高传染性和高致病性,对人们的公共安全造成了严重威胁,从而备受全球关注。因此,对COVID-19进行快速且准确地检测和诊断变得至关重要。目前传统的检测诊断方法主要包括核酸检测和医学影像的人工诊断。但是,核酸检测存在耗时较长、需要专用的测试盒等缺点,而医学影像的人工诊断则存在过于依赖专业知识、分析耗时较长和难以发现隐匿病变等缺点。同时,随着X射线(X-ray)和计算机断层扫描(CT)数据集的相继提出,科研人员在此基础上构建了基于深度学习的COVID-19检测诊断模型,这些模型有效地辅助了医学专家对COVID-19的高效诊断治疗。对现有基于深度学习的COVID-19检测诊断方法进行了系统性的深入调研和分析。首先,全面调研了目前主流的用于COVID-19检测诊断的影像数据集以及相关评价指标;接着,对基于深度学习的新冠肺炎检测诊断方法从模型任务(单任务:分类任务或者分割任务、多任务:分割任务和分类任务)和影像数据类型(CT、X-ray)两个不同角度进行了详细介绍,在此基础上对模型性能进行了比较分析,并从六个不同维度进行总结;随后,介绍了用于抗击COVID-19的现有应用系统。最后,对该领域的未来发展趋势进行了探讨分析。