本发明提供基于半监督深度学习的新冠肺炎CT图像分析方法，包括步骤：基于残差神经网络建立分类模型并加入注意力模块；对每张无标签训练样本进行两次不同的数据增强得到两张新的图像；对这两张图像进行分类并进行最小化熵处理，处理后结果看作图像的伪标签；将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；将新的训练样本和对应的标签代入分类模型中进行训练并逐渐去除有标签训练样本；对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图；用训练好的分类模型对测试集中的样本图像进行诊断，并对诊断结果生成可视化图。这在实际的医学应用中具有实用的价值。