胸部疾病可能发生的心脏、肺、纵隔、食管、胸壁、膈肌、大血管等部位,包括慢性阻塞性肺疾病、囊性纤维化等。胸部疾病是世界上最常见的疾病之一,其中肺癌是世界范围内高死亡率的疾病。胸部疾病的早发现和诊断可以大大改善患者的早期治疗,从而提高生存率和患者的生活质量,而肺部疾病的早期检测可以潜在地降低癌症死亡率。因此开展胸部疾病诊断的研究是必要的。胸部X线检查是筛查和诊断胸部疾病最常用的方法,并且现代医院收集和储存了大量的X线影像与诊断报告。基于这些影像大数据建立深度学习模型构建高精度计算机辅助诊断系统是目前的重要研究方向,但面临着以下挑战:一是不同胸部疾病患者的X光片上病灶区域的征象有很大不同;其次,放射科医生用于模型训练的精确像素级注释不足;另外,现有的机器学习方法无法定位胸部疾病发生的局部区域。针对上述挑战,我们提出了一种基于医学影像数据的弱监督深度学习模型,用于鉴别多种胸部疾病。首先,在具有图像级别标签的胸部病变影像数据上进行训练,建立了对疾病的多标签分类模型。其次,训练模型由一个池结构和一个Densenet前端组成,以识别可能的疾病特征,并同时执行分类和定位任务。通过在Chest X-ray 14数据集的实验表明,所提方法模型可以产生准确的疾病分类和定位,这可以潜在地支持临床决策。