肺部疾病是常见的高发性疾病， X线检查是早期发现和诊断肺部疾病的首选影像学方法，现行医学影像人工阅片方式受医生水平和经验限制，并且容易受主观因素影响出现误诊和漏诊的现象。因此本文研究了基于深度学习的肺部疾病自动智能分类，目的在于辅助医师高效准确地进行肺部疾病诊断。首先利用对比度图像自适应阈值均衡化算法对数据进行了预处理，通过几何变换方法对数据集进行了扩充，从而构建了适合于深度学习模型的肺部疾病X线图像数据集。然后选用ResNet-50作为肺部疾病分类模型，利用GOOGL公司的开源深度学习框架TensorFlow进行了实验验证。实验结果表明ResNet-50模型在正常和肺炎两类肺部X光图像的特征提取和识别上效果最佳准确率分别达到了93%和86%。