COVID-19 (enfermedad por coronavirus 2019) es una nueva enfermedad de infección viral que se ha extendido ampliamente en todo el mundo. El aprendizaje profundo juega un papel importante en el diagnóstico de imágenes de COVID-19. Este documento revisa el progreso reciente del aprendizaje profundo en aplicaciones de imágenes de COVID-19 desde cinco aspectos; En primer lugar, se presentan 33 conjuntos de datos de COVID-19 y métodos de mejora de datos; En segundo lugar, se resumen los métodos de clasificación de COVID-19 basados en aprendizaje supervisado desde cuatro aspectos de VGG, ResNet, DenseNet y Lightweight Networks. Los métodos de segmentación de COVID-19 basados en aprendizaje supervisado se resumen desde cuatro aspectos de mecanismo de atención, mecanismo multiescala, mecanismo de conectividad residual y mecanismo de conectividad densa; En tercer lugar, la aplicación del aprendizaje profundo en el diagnóstico de imágenes de COVID-19 semi-supervisado en términos de métodos de regularización de consistencia y métodos de autoentrenamiento. En cuarto lugar, la aplicación del aprendizaje profundo en el diagnóstico de COVID-19 no supervisado en términos de métodos de autoencoder y métodos no supervisados generativos adversarios. Además, se resumen los desafíos y el trabajo futuro de los métodos de diagnóstico de imágenes de COVID-19 en el campo del aprendizaje profundo. Este documento revisa el estado de investigación más reciente del diagnóstico de imágenes de COVID-19 en el aprendizaje profundo, lo cual es de gran importancia para la detección de COVID-19.