Trong nghiên cứu y học về nhiễm trùng phổi, viêm phổi có thể do vi khuẩn hoặc vi rút gây ra. Khi phổi bị nhiễm viêm phổi, túi khí bị viêm và chứa đầy chất lỏng hoặc mủ. Chuyên gia X quang được đào tạo chuyên sâu có trách nhiệm xác định đúng viêm phổi có thể trong chụp X quang công nghiệp. Công việc này phụ thuộc rất nhiều vào năng lực và kinh nghiệm của chuyên gia, cộng với chất lượng hình ảnh X quang không đầy đủ. Do đó, việc phát hiện viêm phổi bằng các kỹ thuật hình ảnh y tế khác nhau trở nên rất khó khăn. Bất kỳ phát hiện sai có thể dẫn đến hậu quả nghiêm trọng trong điều trị y tế. Xác định chính xác là sơ bộ cho bất kỳ loại can thiệp. Do đó, công nghệ tận dụng trong việc phát hiện tự động các hình ảnh X quang này đã trở nên cần thiết. Thật không may, việc xây dựng và đào tạo một mô hình học sâu phức tạp từ đầu hầu như không khả thi do thiếu cơ sở hạ tầng phần cứng. Do đó, bài viết này khai thác ý tưởng học chuyển giao, đó là cải tiến việc học trong một nhiệm vụ dự đoán mới thông qua việc chuyển giao kiến thức từ một nhiệm vụ dự đoán liên quan đã được học. Điều này sẽ cải thiện các phương pháp thị giác máy tính hiện tại dựa trên việc sử dụng học sâu để chẩn đoán hiệu quả hơn sự hiện diện của viêm phổi trong hình ảnh X quang. Bằng cách sử dụng các mạng thần kinh tích chập được đào tạo lại với dữ liệu thu được của chúng tôi, thử nghiệm của chúng tôi cho thấy ý tưởng được đề xuất thực hiện hoàn hảo và đạt được độ chính xác phân loại là 98,0% ± 0,17 với thời gian triển khai chấp nhận được trên một máy tính xách tay thông thường.