基于深度学习的新型冠状病毒肺炎诊断研究综述

Jiangping Tang; Xiaofei Zhou; Xin He; Xiaowen Chu; Shifeng Li; Qingrui Chang; Jiyong Zhang

doi:10.19678/j.issn.1000-3428.0060509

基于深度学习的新型冠状病毒肺炎诊断研究综述

Translated title of the contribution: Survey of Studies of COVID-19 Diagnosis Based on Deep Learning

Jiangping Tang, Xiaofei Zhou, Xin He, Xiaowen Chu, Shifeng Li, Qingrui Chang, Jiyong Zhang^*

^*Corresponding author for this work

Department of Computer Science

Research output: Contribution to journal › Journal article › peer-review

2 Citations (Scopus)

Abstract

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。

Translated title of the contribution	Survey of Studies of COVID-19 Diagnosis Based on Deep Learning
Original language	Chinese (Simplified)
Article number	1000-3428（2021）05-0001-15
Number of pages	15
Journal	Jisuanji Gongcheng/Computer Engineering
Volume	47
Issue number	5
DOIs	https://doi.org/10.19678/j.issn.1000-3428.0060509
Publication status	Published - May 2021

Scopus Subject Areas

Software
Hardware and Architecture
Computer Networks and Communications
Computer Graphics and Computer-Aided Design
Computational Theory and Mathematics

User-Defined Keywords

Computer Tomography CT image
Corona Virus Disease 2019 COVID-19
Deep learning
Detection and diagnosis model
Epidemic control
X-ray image

UN SDGs

This output contributes to the following UN Sustainable Development Goals (SDGs)

Access to Document

10.19678/j.issn.1000-3428.0060509

Cite this

@article{70fb5c88432747afb85e553fde8b8cc7,

title = "基于深度学习的新型冠状病毒肺炎诊断研究综述",

abstract = "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。",

keywords = "Computer Tomography CT image, Corona Virus Disease 2019 COVID-19, Deep learning, Detection and diagnosis model, Epidemic control, X-ray image",

author = "Jiangping Tang and Xiaofei Zhou and Xin He and Xiaowen Chu and Shifeng Li and Qingrui Chang and Jiyong Zhang",

year = "2021",

month = may,

doi = "10.19678/j.issn.1000-3428.0060509",

language = "Chinese (Simplified)",

volume = "47",

journal = "Jisuanji Gongcheng/Computer Engineering",

issn = "1000-3428",

publisher = "华东计算技术研究所、上海计算机学会",

number = "5",

}

TY - JOUR

T1 - 基于深度学习的新型冠状病毒肺炎诊断研究综述

AU - Tang, Jiangping

AU - Zhou, Xiaofei

AU - He, Xin

AU - Chu, Xiaowen

AU - Li, Shifeng

AU - Chang, Qingrui

AU - Zhang, Jiyong

PY - 2021/5

Y1 - 2021/5

N2 - 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。

AB - 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。

KW - Computer Tomography CT image

KW - Corona Virus Disease 2019 COVID-19

KW - Deep learning

KW - Detection and diagnosis model

KW - Epidemic control

KW - X-ray image

UR - http://www.scopus.com/inward/record.url?scp=85133014507&partnerID=8YFLogxK

U2 - 10.19678/j.issn.1000-3428.0060509

DO - 10.19678/j.issn.1000-3428.0060509

M3 - Journal article

AN - SCOPUS:85133014507

SN - 1000-3428

VL - 47

JO - Jisuanji Gongcheng/Computer Engineering

JF - Jisuanji Gongcheng/Computer Engineering

IS - 5

M1 - 1000-3428（2021）05-0001-15

ER -

基于深度学习的新型冠状病毒肺炎诊断研究综述

Abstract

Scopus Subject Areas

User-Defined Keywords

UN SDGs

Access to Document

Other files and links

Fingerprint

Cite this