新型冠狀病毒肺炎肆虐全球，為了更加快速地診斷新型冠狀病毒肺炎（COVID-19），本文提出一種深度可分離稠密網絡 DWSDenseNet，以 2 905 例 COVID-19 胸部 X 線平片影像作為實驗數據集，在網絡訓練前使用限制對比度自適應直方圖均衡化（CLAHE）算法對圖像進行預處理，增強圖像的對比度，將預處理之后的圖像放入訓練網絡中，采用 Leaky ReLU 作為激活函數，調整參數以達到最優。本文引入 VGG16、ResNet18、ResNet34、DenseNet121 和 SDenseNet 模型進行比較，所提出的網絡在三分類實驗中相較于 ResNet34 在準確率、靈敏度和特異性上分別提高了 2.0%、2.3%、1.5%。相對于改進前的 SDenseNet 網絡，本文模型的參數量減少了 43.9%，但分類效果并未下降。通過對比實驗可以發現，本文所提出的深度可分離稠密網絡對 COVID-19 胸部 X 線平片影像數據集具有良好的分類效果，在保證準確率的情況下，深度可分離卷積能夠有效地降低模型參數量。