摘要：目的结合COVID-19患者肺部CT影像学特征,探讨深度学习技术在COVID-19辅助诊断上的价值。方法搜集武汉大学中南医院和华中科技大学同济医学院确诊为COVID-19患者的部分CT影像资料构建小样本COVID-19数据集,将VGG-16具有提取高层抽象特征部分与设计的全连接层共同构成初步的基于迁移学习的COVID-19智能辅助诊断模型,使用COVID-19训练集迭代训练诊断模型,不断优化全连接层网络参数,最后训练出一个基于VGG-16卷积神经网络迁移学习的COVID-19智能辅助诊断模型。结果在COVID-19测试集中早期、进展期和重症期3个类别的样本上,COVID-19智能辅助诊断模型测试的敏感度分别为0.95、0.93和0.96,F1 Score分别为0.98、0.95和0.92,综合的诊断准确率达到94.59%。结论小样本数据集上采用迁移学习技术训练的COVID-19辅助诊断模型具有较高的可靠性,在防控疫情的关键时期,能快速地为医生提供诊断的参考意见,提高医生的工作效率。