本发明公开了一种基于深度学习的用于肺部常见疾病分类识别与定位的装置，包括：多标签DCNN分类模块，用于检测X射线图像中是否存在病理，使用从多标签图像分类网络的过渡层中提取激活值和预测层权重；弱监督的病理学定位模块，用于生成病理的热图，最后由此生成边界框进行定位；其中，所述多标签图像分类网络包括：过渡层、全局池化层，在最后一个卷积层末端加入了一个预测层和多标签分类损失层；采用多标签设置将多标签分类问题转化为类似回归的损失设置；过渡层用于将预先训练的DCNN模型的权重以标准形式传递下去；多标签分类损失层包括实验铰链损失、欧氏损失和交叉熵损失，引入正/负平衡因子来加强阳性病例的学习。