胸部X光片(以下简称胸片)在胸部相关疾病的医疗诊断中起着相当关键的作用。许多胸部疾病,如肺炎、肺结核和心影增大,其早期筛查和后期复查的首选方法就是胸片。然而,胸片的解读并不容易,通常需要临床经验丰富的医生来完成。因此,开发基于人工智能的、对胸片进行自动识别的系统具有重大的临床应用价值,可有效减轻医生的工作量,同时提高医生阅片结果的准确性。目前已经有很多将深度学习应用于胸片自动识别的算法,但由于胸片作为医疗影像的特殊性,以及胸片标注框数据集的匮乏,实现胸片的疾病检测和定位仍是一项具有挑战性的任务。基于此,本文首先构建了胸片标注框数据集Chest-box,该数据集中包含3952张阳性胸片和9960个标注框。然后,以Chest-box数据集为训练集,本文提出以FPN嵌入的RPN网络作为区域检测网络,用于提取胸片的感兴趣区域。最后,以区域检测网络提取的感兴趣区域为注意力信息,本文结合Dense Net卷积网络和注意力机制提出了注意力机制网络,实现了胸片的疾病检测和自动定位。在Chest X-ray14数据集上的测试表明,相比之前的工作,本文达到了最优的分类性能,而且提供了更有价值的定位信息。本论文的内容安排如下:第一章主要介绍了本文的研究背景和意义。第二章主要介绍胸片和深度学习网络的相关理论知识。第三章介绍了本文的深度学习网络模型及其数据集表现。第四章为本文的总结及未来的工作展望。