La mamografía es el método no invasivo más empleado en la detección del cáncer de mamas; puesto que es una prueba que permite el diagnóstico en la fase pre clínica. Por esta razón, los Sistemas de Diagnóstico Asistidos por Computadora (CAD) son de gran ayuda para la detección / clasificación de anormalidades en las imágenes de mamografías, ya que le proporcionan una “segunda opinión” al personal médico especializado. En este trabajo se propone un método que combina técnicas de procesamiento digital de imágenes y redes neuronales artificiales, para la segmentación automática de lesiones patológicas en imágenes de mamografías y su corroboración mediante la clasificación con las redes neuronales FeedForward Backpropagation, Learning Vector Quantization y la red Probabilística. El algoritmo propuesto se validó con éxito en la base de datos de la Sociedad de Análisis de Imágenes de Mamografías (MiniMIAS), por un conjunto de datos formado por 100 imágenes seleccionadas de forma aleatoria.