O câncer de mama é a doença com mais incidência entre as mulheres em todo mundo, estimativa para Brasil no biênio de 2020-2021 cerca de 66.280 novos casos de câncer de mama que corresponde a uma taxa 29,7% dos casos na população feminina e cerca de 15.000 mortes pela doença. A mamografia é um dos exames mais utilizado para detecção precoce desde tipo de neoplasia. No entanto, erros acontecem na leitura e interpretação dos laudos, mesmo um profissional bem treinado apresenta uma taxa de acertos entre 65% a 75% com uma quantidade de falso negativo variando entre 15% a 30% e um falso positivo de 7% a 10%, resultando em quantidade desnecessária de biópsia, de 65% a 90% das biópsias de tecido com suspeita de câncer apresentam-se benigna, causando repercussão emocional e física para as pacientes. Sistemas computacionais podem ser desenvolvidos para auxiliar no diagnóstico médico. Este artigo aplicou as técnicas de redes neurais para desenvolver uma ferramenta computacional capaz de classificar lesões das categorias 4 e 5 do padrão BI-RADS®. Os resultados adquiridos pelo software, observaram que o melhor classificador no que diz respeito à taxa de acerto acurácia, foi o Deep Learning, atingindo um percentual de 82,60%, o Support Vectors Machine - SVM teve um percentual de 73,97%. Isto demostra que as técnicas de redes neurais utilizadas no projeto do software mostram uma eficácia na tarefa de classificação das lesões.