李金星，孙俊，李超，Bilal Ahmad

江南大学,无锡 214122

0 引 言

自2020年，一种新型冠状病毒引发的肺炎疫情在全世界迅速蔓延，严重威胁着人类生命与健康。世界卫生组织将这种新型冠状病毒肺炎命名为“2019新型冠状病毒病”，简称“新冠肺炎”或“COVID-19”(corona virus disease 2019)。据Worldometer网站报道，截止到2021年9月23日，全球约有2.3亿新冠感染病例。新冠肺炎是一种由新型冠状病毒引发的急性呼吸道传染病，传染性强，症状隐蔽，病死率高；而控制新冠肺炎传播的关键是尽快筛查出被感染者并及时隔离治疗，防止出现大规模的“人传人”。但是如何快速识别出人群中的病毒携带者，这是疫情防治过程中的一个重大难题。目前，大规模使用的方法是核酸检测，即聚合酶链反应(polymerase chain reaction,PCR)，该方法通过查找人的呼吸道标本中是否存在新冠病毒的核酸，来确定是否被感染。一旦核酸检测为 “阳性”，即可证明患者体内有病毒存在，然而这种检测存在一定的局限性。一是传统的实验室方法耗时耗力；二是检测结果会存在假阴性；三是检测结果反馈具有一至两天的滞后性。因此，为应对大规模的实时检测，开发一款快速精准的计算机辅助诊断方法至关重要。

人工智能飞速发展，并广泛应用于各个领域。其中，深度学习作为人工智能技术的核心，已成功地应用在肺部医学影像的自动诊断或病灶分割(康波 等，2020)。而且主要涉及两种放射成像影片，即胸部CT(computed tomography，CT)和X线胸片(chest X-Ray，CXR)。由于CT成像会产生强辐射，一般禁止用于孕妇和儿童，而CXR作为一种非侵入性检查，辐射明显低于CT(孟琭和李镕辉，2020)，并且CXR成像比CT成像更快、更便宜。……