منذ اندلاع جائحة كوفيد-19، يواجه العالم كله ذعرًا بسبب انتشارها السريع. وعليه، أصبح الكشف عن وجود الفيروس أمرًا بالغ الأهمية. إن الفحص التشخيصي في الوقت المناسب يؤدي إلى تحديد المصابين بسرعة، وعلاجهم، وعزلهم. وقد أثبتت عدد من تصنيفات التعلم العميق نتائج واعدة بأداء دقيق أعلى مقارنة بالطرق التقليدية مثل فحص RT-PCR. وتشكل التصوير الشعاعي للصدر، وخاصة استخدام صور الأشعة السينية، الوسيلة الأساسية للتصوير في الكشف عن المرضى المشتبه بإصابتهم بكوفيد-19. ومع ذلك، لا يزال أداء هذه الأساليب يحتاج إلى تحسين. في هذا البحث، نقترح شبكة قابليات (Capsule Network) تُسمى COVID-WideNet لتشخيص حالات كوفيد-19 باستخدام صور الأشعة السينية للصدر (CXR). أظهرت النتائج التجريبية أن شبكة القابليات متعددة الطبقات المدربة بفعالية تحقق أداءً متقدمًا جدًا على مجموعة بيانات COVIDx. وبشكل خاص، تتفوق COVID-WideNet على أي من النماذج القائمة على الشبكات العصبية التلافيفية (CNN) في تشخيص المصابين بكوفيد-19. علاوةً على ذلك، تمتلك COVID-WideNet عددًا من المعاملات القابلة للتدريب يقل عن 20 مرة مقارنة بنماذج CNN الأخرى. مما يُسهم في تشخيص أعراض كوفيد-19 بشكل أسرع وكفاءة أكبر، مع تحقيق مؤشر مساحة تحت المنحنى (AUC) بنسبة 0.95، ودقة وحساسية وتحديدية كلها تبلغ 91٪. وقد يساعد هذا النظام أيضًا الأطباء المُشعّين في الكشف عن فيروس كوفيد-19 ومتغيراته، مثل متغير دلتا.