코로나19 팬데믹 발생 이후 전 세계는 빠른 전파 속도에 대한 공포에 시달리고 있다. 이러한 상황에서 조기 감염 여부를 확인하는 것은 매우 중요하다. 적시에 이루어지는 진단 검사는 감염자의 신속한 식별, 치료 및 격리로 이어지며, 감염 확산을 효과적으로 막는 데 기여한다. 기존의 RT-PCR 검사 방식에 비해 더 높은 정확도를 보이며 유망한 결과를 보여주는 다양한 딥러닝 분류기들이 제안되어 왔다. 특히 흉부 방사선 촬영, 특히 X선 영상의 활용은 의심 환자에서 코로나19를 탐지하는 주요 영상 진단 방법으로 자리 잡고 있다. 그러나 이러한 기술들의 성능은 여전히 개선이 필요하다. 본 논문에서는 흉부 X선 영상(Chest X-ray, CXR)을 이용하여 코로나19를 진단하기 위해 새로운 캡슐 네트워크인 COVID-WideNet을 제안한다. 실험 결과, 다층 캡슐 네트워크를 구분 능력 있게 학습시킨 모델이 COVIDx 데이터셋에서 최신 기술 수준의 성능을 달성함을 입증하였다. 특히, COVID-WideNet은 기존의 모든 CNN 기반 접근 방식보다 코로나19 감염 환자의 진단에서 뛰어난 성능을 보였다. 또한 제안된 COVID-WideNet은 다른 CNN 기반 모델에 비해 학습 가능한 파라미터 수가 약 20배 적어, 더 빠르고 효율적인 코로나19 증상 진단이 가능하다. 이는 AUC(곡선 아래 면적) 0.95, 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity) 각각 91%의 높은 성능을 달성함으로써 가능해졌다. 이러한 성능은 방사선의학 전문의가 코로나19 및 델타 변이와 같은 변이 바이러스의 조기 탐지에 도움을 줄 수 있을 것으로 기대된다.