Рассмотрена задача классификации изображений методами глубокого обучения для выявления первичных морфологических элементов кожной сыпи. Одним из перспективных направлений повышения качества медицинской помощи больным дерматовенерологического профиля является создание информационно-диагностических систем и систем поддержки принятия решений. В качестве одного из компонентов таких систем может выступать модуль автоматического определения первичных элементов сыпи на изображениях пораженных участков кожи. Предложен метод глубокого обучения и переноса знаний для классификации изображений первичных элементов кожной сыпи. Проанализирована зависимость точности получаемого классификатора изображений кожной сыпи от алгоритма обучения нейронных сетей. Приведены результаты экспериментов по применению метода для классификации следующих первичных элементов: гнойничок, пятно, узел, папула, плоская бляшка. Алгоритм, реализующий метод, показал точность 76,00 % на 5 классах первичных элементов кожной сыпи (гнойничок, пятно, узел, папула, плоская бляшка), 77,50 % на 4 классах (пятно, узел, папула, плоская бляшка) и 81,67 % на 3 классах (узел, папула, плоская бляшка). Ключевые слова кожное заболевание, первичные морфологические элементы кожной сыпи, перенос знаний, машинное обучение, автоматическая диагностика, VGG16 Благодарности Исследования проводились при поддержке Правительства РФ, грант 08-08, и Фонда содействия инновациям, НИОКР 2219ГС1/37055.