随着人类生活环境的不断变化,皮肤病的种类也出现了多种变异。当前,皮肤病理学诊疗方式基本上以传统的临床视觉判别为主,这中检查方式的准确度很大程度上依赖于皮肤科专家的从医经验。由于皮肤组织损伤外观的细粒度变化,使用图像识别对皮肤组织损伤进行自动分类识别是一项艰巨的任务。随着在深度学习方面的进一步研究,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)表现出在对大量细粒度对象进行类别分类和特征向量判别中执行一般任务和变化差异较大任务方面的优势,并将其应用在生物医疗工程领域里面的医学影像研究中变得越来越重要。构建一个专门针对皮肤科疾病图像自动分类识别的深度学习网络模型并将其应用在精准医疗的计算机辅助判别系统中,从而间接地帮助了皮肤科医生对皮肤组织细胞损伤问题的提前预估和对症用药具有重要的意义。本论文主要研究的重点是利用迁移学习的方法构建深度卷积神经网络模型实现对色素性皮肤病图像的自动分类识别,以及色素性皮肤病移动设备端的辅助诊断系统的设计与实现。通过对这两个关键部分的深入研究,首先,利用Java文件流的相关编码方式对原始皮肤镜像数据集ISIC2018的数据进行预处理;然后,本文实验在深度学习工具框架Tensor Flow的基础上,利用迁移学习方法将谷歌预训练好的Inception-V3深度卷积神经网络模型迁移到预处理后的目标数据集上进行调优训练,在网络模型训练的过程中通过改变共享权重系数和偏移系数来完成并改进目标任务的学习效果以便能够提取到更加合理的图像的特征向量值,直至将其训练成自己目标领域的神经网络模型实现对色素性皮肤病图像的自动分类识别。最后,通过Java的MVC框架的设计模式搭建色素性皮肤病辅助诊断系统,使之能够在移动设备端自动调用迁移学习方法训练后的模型结构实现对皮肤病图像的自动分类识别。