La radiografía de tórax (CXR) es un examen de rayos X diagnóstico de rutina para verificar y detectar diversas enfermedades. La localización y clasificación automática de enfermedades a partir de CXR como tarea de detección es de gran importancia para el diagnóstico y tratamiento posteriores. Debido a que las muestras de algunas enfermedades son difíciles de adquirir, los conjuntos de datos de detección de CXR a menudo presentan una distribución de cola larga sobre diferentes enfermedades. El rendimiento de detección de las clases de cola es muy pobre debido al número limitado y la diversidad de muestras en el conjunto de datos de entrenamiento y debe mejorarse. En este artículo, motivados por un sistema de seguimiento basado en correspondencias, construimos un pipeline llamado, aprovechando un modelo de difusión para aliviar el problema de degradación de la clase de cola al alinear el proceso de generación de la cola con la clase principal. Luego, las muestras de las clases raras se generan para ampliar el número y la diversidad de muestras raras. Además, proponemos una estrategia de filtrado para controlar la calidad de las muestras generadas. Experimentos extensos en conjuntos de datos públicos, Vindr-CXR y RSNA, demuestran la efectividad del método propuesto, especialmente para enfermedades raras.