Quy trình xử lý ảnh:

  + Chuyển đổi ảnh RGB sang HSV để tách màu và độ sáng

  + Biến đổi wavelet để làm nổi bật đặc trưng tần số

  + Trích xuất đặc trưng DRLBP (Discriminant Robust Local Binary Pattern) và GLCM (Gray Level Co-occurrence Matrix)

  + Phân đoạn vùng tổn thương bằng Gaussian Mixture Model (GMM)

  + Phát hiện biên bằng thuật toán Canny và Contour

  + Tính toán diện tích vùng tổn thương và phân loại bằng PNN

• Mô hình phân loại:
•   + Mạng nơ-ron xác suất (PNN) gồm 4 lớp: input, pattern, summation, output
•   + Được huấn luyện bằng thuật toán NSGA-II để tối ưu đa mục tiêu
•   + Đầu ra gồm loại bệnh (ví dụ: boil, angioma, basal cell carcinoma) và mức độ tổn thương
• Giao diện hệ thống:
•   + Cho phép người dùng tải ảnh da, xử lý tự động, hiển thị vùng tổn thương, và kết quả phân loại
•   + Có thể phân biệt vùng da bình thường và vùng bị bệnh
•   + Hỗ trợ chẩn đoán sớm các bệnh như ung thư da, rubella, thủy đậu, psoriasis, leprosy…
• Kết quả:
•   + Hệ thống có thể phân biệt vùng da bệnh và da bình thường
•   + Hỗ trợ chẩn đoán sớm và theo dõi tiến triển bệnh
•   + Có tiềm năng ứng dụng trong hệ thống khám bệnh từ xa và hỗ trợ bác sĩ