Unter den derzeitigen Umständen, in denen wir weiterhin durch verschiedene Stämme des Coronavirus bedroht sind, und da die am häufigsten verwendete Methode zur Erkennung von COVID-19, die RT-PCR, ein zeitaufwendiger und manueller Prozess mit geringer Präzision darstellt, ist die Anwendung von Künstlicher Intelligenz (KI) und computerunterstützter Diagnose (CAD) unvermeidlich. In dieser Arbeit haben wir Röntgenaufnahmen der Brust (Chest X-ray, CXR) zur Erkennung des Coronavirus analysiert. Das zentrale Ziel dieser vorgeschlagenen Forschungsarbeit besteht darin, die Klassifizierungsgenauigkeit tiefen Lernmodelle durch Ensemble-Lernen zu verbessern. Zahlreiche Arbeiten haben bereits verschiedene Techniken des Ensemble-Lernens in diesem Bereich vorgeschlagen, wobei einige Ansätze Aggregationsfunktionen wie den gewichteten arithmetischen Mittelwert (Weighted Arithmetic Mean, WAM) verwenden. Allerdings berücksichtigen diese Methoden nicht die Entscheidungen, die Teilmengen der Klassifizierer treffen. In diesem Artikel wenden wir das Choquet-Integral für Ensemble-Ansätze an und schlagen eine neuartige Methode zur Bewertung von Fuzzy-Maßen mittels Koalitionsspieltheorie, Informationstheorie und Lambda-Fuzzy-Approximation vor. Drei verschiedene Sätze von Fuzzy-Maßen werden unter Verwendung dreier unterschiedlicher Gewichtungsschemata sowie unter Einbeziehung der Informationstheorie und der Koalitionsspieltheorie berechnet. Anhand dieser drei Sätze von Fuzzy-Maßen werden drei Choquet-Integrale ermittelt, deren Entscheidungen abschließend kombiniert werden. Wir haben eine Datenbank erstellt, indem wir mehrere kürzlich entwickelte Bilddatenbanken zusammengefasst haben. Eindrucksvolle Ergebnisse auf der neu entwickelten Datensammlung sowie auf der anspruchsvollen COVIDx-Datensammlung belegen die Wirksamkeit und Robustheit des vorgeschlagenen Ansatzes. Soweit uns bekannt ist, übertrifft unser experimenteller Ansatz viele kürzlich vorgeschlagene Methoden. Der Quellcode ist unter https://github.com/subhankar01/Covid-Chestxray-lambda-fuzzy verfügbar.