肺癌和新型冠状病毒感染(COVID-19)已经成为威胁人类生命健康的重大隐患，使用计算机断层扫描(computed tomography, CT)对人体肺部进行定期检测是早期发现肺部疾病的主要手段。CT影像可以向医生提供患者清晰的肺部状况，有助于发现病灶感染区，在肺癌和COVID-19期间的筛查中发挥了重大作用，是医学中常用于辅助诊断肺部各种疾病的重要手段。使用改进U-Net模型分割CT图像上的病灶区，有助于提升医生的诊断速度，缓解国内医疗压力。因此，利用U-Net改进模型分割CT图像是目前计算机辅助诊断领域的研究热点，对后续肺部疾病的诊断和治疗过程具有重要意义。本文对U-Net模型的改进策略及其在肺结节、COVID-19上的应用进行对比和分析。首先对U-Net模型结构改进方法进行论述，并分析相关改进模型的优势和不足；其次以肺结节、COVID-19的CT图像为例，分析了U-Net改进模型在肺结节、COVID-19图像分割领域的研究进展；最后探讨了深度学习在肺部图像分割领域面临的挑战与未来发展方向，对提高肺部疾病临床诊断速度和早期预防具有重要意义。