目的 探讨基于深度学习模型的定量CT方法对新型冠状病毒肺炎(COVID-19)肺部改变评估的可行性。方法 回顾性分析2020年1月至3月确诊的22例COVID-19患者影像学资料，采用定量CT方法检测病变范围占全肺体积百分比(LOV%)和病变质量(Mass)，并进一步评估CT定量检测的准确性；使用ROC曲线分析定量CT参数对不同临床分型COVID-19患者的区分力。结果 22例确诊患者中，9例重型患者，13例普型患者。以人工判读作为参考标准，CT定量方法与参考标准对病变体积测量结果无显著统计学差异(P=0.934)。所获得的LOV%与Mass值在不同临床分型(普通型和重型)患者中存在差异。普通型患者LOV％在0.05％~5.67％之间，重型患者LOV％为5.00％-36.68％。普通型和重型患者的Mass值也有显著差异(56.8vs516.4)。识别重型患者的最佳LOV％阈值为10.37％，最佳Mass值阈值为160(曲线下面积1.000，敏感度100％，特异性100％)。结论 采用基于深度学习的定量CT方法测量COVID-19肺部病变LOV%与Mass的变化，能够更加客观精准的对COVID-19患者进行临床分型，观测疾病进展，及早诊断危重型患者，对临床干预治疗具有重要提示意义。