امروزه بخش عظیمی از تصاویر پزشکی به فرم دیجیتال تولید و ذخیره می­شوند، این امر سبب شده است، مدیریت پایگاه‌های داده پزشکی بزرگ، از پیچیدگی‌های فراوانی برخوردار شود. رشد روزافزون پایگاه داده های با حجم بزرگ در زمینه های مختلف پزشکی همچون تشخیص به کمک کامپیوتر، تحقیقات و آموزش کادر پزشکی نیاز به سیستم‌های کلاس‌بندی تصویر را بیش‌ازپیش ضروری ساخته است. روش یادگیری عمیق یکی از تکنیک‌های یادگیری ماشین است که در بسیاری از برنامه‌ها مانند کلاس‌بندی، تجزیه‌وتحلیل تصویر و تشخیص اشیا مورداستفاده قرار می‌گیرد. امروزه به دلیل استفاده گسترده از تصاویر دیجیتالی به‌عنوان منابع اطلاعاتی ­در ­بیمارستان‌ها، بایگانی تصاویر پزشکی به‌طور چشمگیری در حال رشد است. تصاویر دیجیتالی نقش مهمی در پیش‌بینی انواع بیماری‌ها دارند و کاربردهای گسترده‌ای از آن‌ها در تشخیص و تحقیقات وجود دارد. در این تحقیق یک روش برای کلاس‌بندی تصاویر پزشکی با استفاده از روش یادگیری عمیق ارائه‌شده است که در آن به طراحی شبکه­ای مبتنی بر شبکه Vgg16 پرداختیم و با تغییر در تعداد لایه‌ها، نرخ یادگیری و سایر پارامترها به‌دقت 99.07 برای مجموعه داده پیشنهادی دست ‌یافتیم.