ملانوما خطرناک‌ترین نوع سرطان پوست است که خطر آن در رشد سریع و هجوم به دیگر ارگان‌هاست. در دهه‌های اخیر، نرخ مرگ‌ومیر در اثر این بیماری افزایش یافته است. تحقیقات نشان داده معاینه‌ی دقیق لکه‌های پوستی و نظارت بر تغییرات آن‌ها می‌تواند در تشخیص و درمان به موقع این بیماری موثر باشد و مرگباری آن را کاهش دهد.
درماتوسکوپی یک روش تصویربرداری غیرتهاجمی است که به کمک آن تصاویری با بزرگنمایی بیشتر به دست می‌آید. این تکنیک مهم در سه دهه‌ی اخیر توانسته به یک ابزار ضروری و مهم برای پزشکان متخصص پوست تبدیل شده و به آن‌ها امکان تشخیص درست‌تر و اقدام سریع‌تر برای درمان داده است. با این حال، از آنجایی که تشخیص ملانوما بسیار به مهارت و تجربه‌ی پزشک متخصص در معاینه و شناسایی الگوهای موجود در لکه‌های پوستی بستگی دارد، این روش همچنان یک روش مبتنی بر کاربر باقی مانده است. بنابراین ایجاد یک الگوریتم که بتواند به صورت خودکار ویژگی‌ها و الگوهای موجود در ضایعات پوستی را استخراج و تحلیل کرده و عمل تشخیص را انجام دهد می‌تواند دستیار بسیار خوبی برای متخصصین به ویژه پزشکان جوان باشد. خوشبختانه امروزه پیشرفت‌های چشمگیری در سیستم‌های تشخیص بر مبنای کمک کامپیوتر برای تشخیص خودکار ملانوما صورت گرفته است و این سیستم‌ها توانسته‌اند دست‌کم عملکرد بهتری از پزشکان کم‌‌تجربه و به تازگی از از متخصصان باتجربه داشته باشند.
تشخیص خودکار ملانوما سه مرحله‌ی اساسی دارد که عبارتند از: قطعه‌بندی تصاویر، استخراج ویژگی‌های ضایعات پوستی و در نهایت انتخاب ویژگی‌ها و طبقه‌بندی. در فاز اول، تصاویر درماتوسکوپی تنها به دو بخش پس‌زمینه و لکه تقسیم می‌شود و موجب می‌شود با ایجاد یک ماسک بر روی پس‌زمینه، تنها بر روی خود ضایعه تمرکز کنیم. آن‌چه که در این مرحله می‌تواند به دقیق‌تر شدن محل لکه و قطعه‌بندی آن کمک کند انجام عمل پیش‌پردازش تصاویر است. این عمل می‌تواند به بهبود کیفیت تصویر و حذف نویزها کمک کرده و باعث سهولت تشخیص خودکار لکه‌های ملانومایی و غیرملانومایی شود.
مرحله‌ی دوم که شامل استخراج ویژگی‌های کلینیکی است گامی مهم در تشخیص نوع ضایعه‌ی پوستی به شمار می‌رود. برای انجام این فرآیند، چندین چهارچوب راهنما ایجاد شده که در همگی آن‌ها به سه مشخصه‌ی بافت، شکل و رنگ پرداخته می‌شود. این چهارچوب‌ها عبارتند از: معیار تحلیل الگو، روش امتیازدهی منزیس، چک لیست 7 نکته‌ای، قانون ABCD(E).
روش‌تحلیل الگو به بررسی الگوی کلی موجودِ قابل مشاهده در ضایعه شامل طرح‌های شبکه‌ای، دایروی، همگون، ستاره‌ای، پیچیده، شبکه‌ی رنگدانه‌ها، ساختارهای عروقی و غیره می‌پردازد. در روش امتیازدهی منزیس ویژگی‌های لکه‌ی پوستی به دو دسته‌ی مثبت و منفی تقسیم می‌شود: ویژگی‌های منفی شامل تقارن و تک‌رنگی است. وجود هر دو ویژگی باعث می‌شود ضایعه ملانوما نباشد. ویژگی‌های مثبت شامل 9 ویژگی ظاهری از جمله وجود پوشش آبی-سفید، نقاط قهوه‌ای، وجود انشعابات و غیره است. وجود یکی از این ویژگی‌ها برای تشخیص ملانوما ضروری است.
در روش چک لیست هفت نکته‌ای سه معیار بزرگ و چهار معیار کوچک در نظر گرفته می‌شود که وجود سه مورد (دو مورد از معیارهای بزرگ و یک مورد از معیارهای کوچک) برای تشخیص ملانومایی بودن ضایعه‌ی پوستی ضروری است. معیارهای بزرگ شامل ساختار شبکه‌ای نامنظم، پوشش آبی-سفید و الگوهای وریدی نامنظم و معیارهای کوچک شامل بی‌نظمی در مرز و رنگدانه‌ها، وجود نقاط و لکه‌های نامنظم و ساختارهای پس‌رفتی است.
قانونABCD(E) که یکی از متداول‌ترین روشهای مورد استفاده در معاینات کلینیکی است و در سال 1985 توسط گروهی از محققان دانشگاه نیویورک ابداع و از طرف انجمن سرطان آمریکا به عنوان یکی از روشهای قابل اعتماد برای ارزیابی اولیه هر نوع لکه‌ی پوستی رنگ‌دانه‌دار شناخته شده است. این تکنیک می‌تواند پتانسیل ملانوما بودن یک لکه را بر اساس ویژگی‌هایی چون تقارن، بی‌نظمی مرزی، تنوع رنگ، قطر لکه‌های پوستی و تغییرات به وجود آمده در طول زمان سنجیده و به طبقه‌بندی و ارزیابی خطر کمک کند. البته امروزه محققان به جای ارزیابی قطر که در راهنمای کلینیکی عنوان شده است از عبارت ساختارهای درموسکوپیک استفاده می‌کنند و به مشخصات دیگری چون شبکه‌ی رنگدانه، نقاط، پوشش آبی-سفید و غیره می‌پردازند که البته این روش را تخصصی‌تر می‌سازد.
