Categorización de anormalidades cancerígenas en mastografías digitales aplicando aprendizaje profundo José Aurelio Carrera Melchor 1 , Eddy Sánchez-DelaCruz 1 , Rajesh Roshan Biswal 1 , María Victoria Carreras Cruz 2 1 Instituto Tecnológico Superior de Misantla, Veracruz, México 2 Universidad Panamericana, Ciudad de México, México {162t0076, esanchezd, rroshanb}@itsm.edu.mx, mvcruz@up.edu.mx Resumen. El cáncer es una enfermedad considerada grave desde hace siglos y a nivel global es uno de los padecimientos de mayor incidencia el cual se ha reforzado a lo largo de los últimos años, el cáncer de mama es el tipo de cáncer más frecuente en las mujeres de México y la segunda causa de muerte por cáncer a nivel mundial. Esta tasa de mortandad se ha reducido gracias a diversas técnicas de detección temprana, principalmente mastografías, sumado a un análisis correcto. Actualmente, las mastografías digitales pueden ser asistidas por computadora y esta investigación toma como referencia la aplicación del preprocesamiento de imágenes y diversos algoritmos ensamblados en conjunto con Aprendizaje Profundo para mejorar la eficiencia de la detección. A través de datasets generados y aplicando los algoritmos LogitBoost y AttributeSelectedClassifier en conjunto con Aprendizaje profundo, se analiza el histograma de las imágenes pertenecientes al Dataset de dominio público MIAS, obteniendo resultados competitivos de 88.37%. Palabras clave: cáncer de mama, microcalcificación, clasificación, aprendizaje profundo. Categorization of Carcinogenic Abnormalities in Digital Mastography using Deep Learning Algorithms Abstract. Cancer has been considered a serious disease for centuries and globally is one of the most prevalent conditions, which has been reinforced in recent years; breast cancer is the most common type of cancer in women in Mexico and the second leading cause of cancer death worldwide. This mortality rate has been reduced thanks to various early detection techniques, mainly mastography and correct analysis. Currently, digital mastography can be computer assisted and this research takes as a reference the application of image preprocessing and various assembled algorithms in conjunction with Deep learning to improve the efficiency of detection. Through datasets generated and applying LogitBoost and 203 ISSN 1870-4069 Research in Computing Science 147(7), 2018 pp. 203–214; rec. 2018-03-07; acc. 2018-05-17