刘 锐，丁 辉，2，尚媛园，2，邵珠宏，3，刘 铁，4

1.首都师范大学 信息工程学院，北京100048

2.成像技术北京市高精尖创新中心，北京100048

3.高可靠嵌入式系统技术北京市工程研究中心，北京100048

4.电子系统可靠性技术北京市重点实验室，北京100048

医学影像用于疾病的辅助诊断，已经成为一种常见、有效的方法。自COVID-19爆发以来，虽然CT影像对早期的新冠病变特征缺乏一定的敏感性，但利用CT影像对新冠肺炎患者进行辅助诊断和治疗跟踪，以及利用X 射线图像进行辅助检测仍然是一种必要的辅助方法[1-3]。目前，利用人工智能技术对新冠CT影像和CXR影像进行图像分类和病灶分割已经成为医学图像分析中广泛关注的内容，学者们也开展了大量的相关研究。

数据集和算法模型是当前基于深度学习方法开展研究最重要的两大因素。在新冠肺炎爆发初期，由于涉及到患者隐私，很少公开相关COVID-19 影像数据集，多数研究工作使用的COVID-19 影像数据集包含几十到几百张的图像数据。也有些论文采用了数据较多的私有数据集，但这些数据集不支持广泛使用[4-8]。由于缺乏足够的训练数据，大部分研究工作采用数据增强（Data Augmentation）方式扩充训练集，并提出了多种基于小样本COVID-19数据集的检测分割模型。

随着相关研究工作的展开和医学图像数据的积累，陆续有多个大型COVID-19 影像数据集公开发布。本文通过对不同文献和报道中提到的大量分散的开源数据集进行梳理，提供相关描述和下载链接；分析并综述COVID-19图像分类和图像分割主流算法模型和应用特点；……