我们生活在大数据的时代,得益于计算能力的不断提高,深度学习应用越来越广泛。气胸是一种常见的肺科疾病,需要及时救治,严重时危害病人生命健康。大量实践证明将深度学习技术应用于医疗领域,用于计算机辅助诊断,不仅能够减轻医生工作负担,使得诊断的误诊率不断降低。目前深度学习很少有在气胸诊断方面的研究,目前的研究大多集中在X光片的多疾病诊断,很少有专门研究气胸诊断的论文,而对于同时有多个疾病的X光片的气胸诊断研究更是少之又少。本文采用的数据集是Chest X-ray 14数据集和Che Xpert数据集。首先对这两个数据集进行数据分析,验证了数据的可靠性。设计了一个六层的卷积神经网络清洗数据,剔除不良数据,得到了能够进行深度学习训练的标准数据。在气胸诊断分析中有两大任务,其中一个任务是气胸的诊断,即判断是否为气胸;另一个是气胸病灶区域的提取,即判断气胸严重程度。在气胸诊断任务中,解决了数据分布不均衡的问题。设计了一个基于Dense Net的网络模型。在测试集准确率为84.9416和AUC为86.0732。在气胸病灶区域提取任务中,设计比较了三个网络模型,其中使用U-net++结构在encode过程中使用Efficient Net模型的网络模型效果最优,测试集Dice系数为0.8997。