基于深度学习的新型冠状病毒肺炎诊断研究综述

• 作者: 唐江平 周晓飞 贺鑫 褚晓文 李世锋 常庆蕊 张继勇
• 来源期刊: 计算机工程
• 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
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 热点与综述|Hot Topics and Reviews
• 页码范围: 1-15
• 页数: 15页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0060509

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.