Segun la Organizacion Mundial de la Salud, el cancer de mamas es el de mayor indice de mortalidad en mujeres mundialmente, reportandose en las ultimas dos decadas un aumento de la mortalidad en paises en vias de desarrollo. La mamografia es el metodo mas empleado en la deteccion de esta penosa enfermedad; puesto que es una prueba que permite el diagnostico en la fase preclinica. Por esta razon, los Sistemas de Diagnostico Asistidos por Computadoras son de gran ayuda para la deteccion/clasificacion de anormalidades en las imagenes de mamografias, ya que le proporcionan una "segunda opinion" al personal medico especializado. En este articulo se propone un metodo que combina tecnicas de PDI y RNA, para la segmentacion automatica de lesiones patologicas en mamogramas y su corroboracion mediante la clasificacion con las Redes Neuronales FFBP, LVQ y la Red Probabilistica. El algoritmo propuesto se valido con exito en la base de datos de la Sociedad de Analisis de Imagenes de Mamografias. Se utilizaron ademas para la validacion de los resultados funciones de comparacion como la RDE y el C_Factor que nos dan una aproximacion de cuan eficiente es el algoritmo de segmentacion propuesto.