Ngày nay, học máy và học sâu đã đạt được nhiều kết quả tích cực trong việc hỗ trợ chẩn đoán và điều trị bệnh. Dựa trên dữ liệu, các thông số và hình ảnh như X-quang, siêu âm và chụp cộng hưởng từ, máy móc có thể giúp các bác sĩ chẩn đoán và điều trị bệnh tốt hơn. Bài báo này trình bày các thử nghiệm ban đầu về việc sử dụng học sâu để xác định bệnh phổi thông qua nhận dạng hình ảnh X-quang. Trong các thử nghiệm, có ba bệnh lý về phổi bao gồm phình động mạch chủ, đục phổi và một tổn thương khác. Ngoài ra, cũng có các trường hợp không mắc bệnh để xác định. Mô hình học sâu với mạng nơ-ron tích chập và DenseNet121 đã được sử dụng trong các thử nghiệm với dữ liệu hình ảnh X-quang từ các mẫu bệnh nhân Việt Nam do VinBigData cung cấp. Độ chính xác trung bình cao nhất đạt được trong việc xác định dày màng phổi và xơ hóa phổi là 91,68% khi sử dụng DenseNet121.Today, machine learning and deep learning have had many positive results in helping to diagnose and treat diseases. Based on data, parameters, and images such as X-ray, ultrasound, and magnetic resonance imaging, machines can help doctors diagnose and treat diseases better. This paper presents initial experiments on using deep learning to identify pulmonary diseases through X-ray image recognition. In experiments, there were three pulmonary diseases: aortic enlargement, lung opacity, and another lesion. There were also cases without disease to identify. The deep learning model with convolution neural network and DenseNet121 were used for our experiments with X-ray image data from Vietnamese samples and provided by VinBigData. The highest average identification accuracy achieved for pleural thickening and pulmonary fibrosis was 91.68% using DenseNet121.