随着人工智能时代的到来,越来越多的领域开始借助人工智能技术,尤其是医疗领域。而癌症作为医学领域最大的难题之一,如果能够早发现早治疗,那么治愈的可能性会大大增加。恶性皮肤癌作为这几年致死率最高的癌症种类之一,存在着依靠医生经验和不能被及时发现以及检测等问题。因此,如果能够借助人工智能技术,帮助医生进行皮肤癌的早期检测,或者让每一个人都能够随时随地对皮肤损伤或斑点进行检测,那么将具有非常大的现实意义。而由于皮肤镜图像存在样本数量不足、类间差异小等问题,所以在本研究中主要采用了生成对抗网络、数据增强等方法对数据进行处理,使用卷积神经网络对数据进行训练,最后基于Java语言实现了一个皮肤癌在线识别系统,为早期的皮肤癌检测提供便利。论文的主要研究内容和成果如下:1.针对皮肤镜图片不足的问题,在研究中使用生成对抗网络训练已经收集到的皮肤镜图片,从而得到了足够数量的图片样本,可以进行下一步的网络训练。另一方面,在本研究中还使用了图像随机旋转、随机翻转等图像增强方法,进一步扩大了样本图片数据集大小。2.因为数据集已经达到了一定规模,下一步就完成了对神经网络的选择和网络模型的搭建,在横向对比了很多网络结构之后,选择了现在的网络结构,可以在训练时间和准确率之间达到一个很好的平衡。3.对在线识别系统进行了设计和实现。从需求分析,概要设计,整体设计和实现三个方面对系统的实现进行了详细的分析研究。最后实现了系统的基本功能。最后在完成了数据生成、模型设计和系统实现三部分研究之后,对研究工作进行了总结,并对当前存在不足的改进方向进行了分析。