La mamografia es el metodo no invasivo mas empleado en la deteccion del cancer de mamas; puesto que es una prueba que permite el diagnostico en la fase pre clinica. Por esta razon, los Sistemas de Diagnostico Asistidos por Computadora (CAD) 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 trabajo se propone un metodo que combina tecnicas de procesamiento digital de imagenes y redes neuronales artificiales, para la segmentacion automatica de lesiones patologicas en imagenes de mamografias y su corroboracion mediante la clasificacion con las redes neuronales FeedForward Backpropagation, Learning Vector Quantization 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 (MiniMIAS), por un conjunto de datos formado por 100 imagenes seleccionadas de forma aleatoria."