Los esquemas de cifrado de imágenes basados en el caos se aplican ampliamente por sus propiedades criptográficas. Sin embargo, las relaciones entre el caos y la criptografía siguen siendo un desafío. Los sistemas caóticos se definen en el conjunto de los números reales y luego se normalizan a un pequeño grupo de enteros en el rango de 0 a 255, lo que afecta la seguridad de tales criptosistemas. Este artículo propone un sistema de cifrado de imágenes desarrollado utilizando aprendizaje profundo para realizar la transmisión segura y eficiente de imágenes médicas a través de una red insegura. La no linealidad introducida con el aprendizaje profundo hace que el sistema de cifrado sea seguro contra ataques de texto plano. Otro factor limitante para aplicar el aprendizaje profundo en esta área es la calidad de la imagen recuperada. La aplicación de una función de pérdida apropiada mejora aún más la calidad de la imagen recuperada. La función de pérdida emplea el índice de similitud estructural (SSIM) para entrenar la red de cifrado/descifrado y lograr la salida deseada. Esta función de pérdida ayudó a generar imágenes cifradas similares a las imágenes cifradas objetivo y a recuperar imágenes similares a las originales en cuanto a estructura, luminancia y contraste. Las imágenes recuperadas a través del esquema de descifrado propuesto fueron de alta calidad, lo que se justificó aún más por sus valores de PSNR. El análisis de seguridad y sus resultados explican que el modelo propuesto proporciona seguridad contra ataques estadísticos y diferenciales. El análisis comparativo justificó la robustez del sistema de cifrado propuesto.