通过计算机断层扫描（CT）扫描获得的肺组织中疾病区域的定量分类是评估囊性纤维化肺病（CFLD）病变程度的关键步骤之一。 在本文中，我们提出了一个基于深层卷积神经网络（CNN）的框架，用于使用CFLD对肺组织进行自动分类。 该框架的核心是将深层CNN集成到分类工作流程中。 为了训练和验证深层CNN的性能，我们分别构建了灵感CT扫描和呼气CT扫描的数据集。 我们采用转移学习技术来微调深层CNN的参数。 具体来说，我们训练Resnet-18和Resnet-34并验证所构建数据集的性能。 在平均精度和接