基于深度学习的新型冠状病毒肺炎诊断研究综述

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。