肺炎是一种呼吸系统的常见病，尽管近年来已有较强抗菌药物，但肺炎致死率在一些特定人群中并未进一步降低。为实现对肺炎的及时诊断，针对 X 光片，本文提出一种新颖的深度学习方法，通过改进胶囊网络来进行肺炎识别。所提方法利用CIFAR10-quick部分网络提取特征，以矢量形式输入主胶囊层，解决了原始胶囊网络提取不变特征不足的问题，并借助残差模块间跨层直连的跳跃连接有效提高了模型抵抗梯度消失的能力。在ChestXRay2017数据集上设计的两个对比实验表明：所提方法表现出了较卷积神经网络更强的抵抗模型过拟合和处理小样本数据集的能力，同时较三组
对比胶囊网络拥有更高的分类精度，其精确率、特异度、召回率、F1-score指标分别为0.966、0.985、0.731、0.832，具有优越性。