该研究提出了一种基于深度卷积神经网络的多标签分类框架，能够预测14种胸部疾病的风险，并引入标签平滑技术处理不确定样本。模型在超过20万的数据集上训练，平均AUC分数达到0.940，优于多位医学专家。此外，研究还探索了多实例学习和广义零样学习等方法，提升了胸部X射线图像的分类和定位能力。

通过深度学习技术在ChestX-ray14数据集上进行实验，发现CoAtNet模型具有最佳性能，其AUROC为84.2%。通过加权平均集成方法，AUROC进一步提高至85.4%，超越其他方法。研究结果表明，深度学习技术能够提高从胸部X射线图像中自动诊断胸部疾病的准确性。