Melanoma é um tipo maligno de lesão de pele, e atualmente está entre os tipos de câncer existentes mais perigosos. Entretanto, o diagnóstico precoce dessa doença proporciona ao paciente uma maior chance de cura. Neste cenário, métodos computacionais para processamento e análise de imagens de lesão de pele têm sido estudados e desenvolvidos para auxiliar os profissionais da área médica. Esses métodos pretendem possibilitar ao profissional uma facilidade e rapidez em relação ao diagnóstico da patologia através da interpretação de imagens médicas. Neste trabalho desenvolve-se um método computacional visando auxiliar os médicos dermatologistas no diagnóstico de lesões de pele em melanoma ou não-melanoma por meio de imagens dermatoscópicas. Com este método pretende-se classificar as lesões de pele utilizando um descritor híbrido. Esse descritor é obtido a partir da combinação da regra ABCD (Assimetria, Borda, Cor e Diâmetro) e Redes Neurais Convolucionais (CNNs): CaffeNet, Vgg-m, Vgg-verydeep-19, Vgg-f e Vgg-s. Além disso, é realizado nesse descritor híbrido uma seleção de atributos com o algoritmo Gain Ratio Information. As características extraídas das imagens são utilizadas como entradas para o classificador MLP (MultiLayer Perceptron). Foram utilizadas imagens de lesão de pele de 2 bases de imagens públicas: PH² e DermIS. O resultado obtido na classificação foi uma taxa de acerto igual a 94,9% e um índice Kappa de 0,8944.