The main objective of this thesis is to develop a new method for detecting microcalcifications in digital mammograms, using machine learning and computer vision techniques; the method detects different shapes, sizes and intensities of microcalcifications, and also it´s able to recognize them not only in fat breast but also in dense breast. To achieve this objective, the breast tissue is taken into account to detect microcalcifications even in dense breast, where the contrast difference between tissue and microcalcification is almost null. In the segmentation step the Fisher Linear Discriminants are used to segment the possible microcalcifications, to reduce the false positives generated in this step, some characteristics (morphological and intensity) are extracted from these regions. The method is tested; using ISSSTEP and MIAS databases, the ROC and FROC analysis were used as performance measures.Este trabajo tiene como objetivo fundamental desarrollar un método para la detección de microcalcificaciones en mastografías digitales, basado en técnicas de aprendizaje computacional y visión por computadora; el cual permita identificar microcalcificaciones de diversas formas, tamaños, tonalidades y además sea capaz de identificarlas no sólo en senos grasos sino también en senos densos sin incrementar el número de falsos positivos. Para lograr el objetivo planteado, el tipo de tejido por el que mayormente está formado el seno (densidad) es tomado en cuenta, lo que permite detectar microcalcificaciones aún en senos donde la diferencia de contraste entre el tejido y la microcalcificación es mínima (senos densos). En la etapa de segmentación los discriminantes lineales de Fisher (FLD) se utilizan para segmentar las posibles microcalcificaciones del seno, a partir de estas regiones, se extraen características (morfológicas y de intensidad de gris) y mediante un clasificador se reduce el número de falsos positivos. Para probar el método, se utilizaron las bases de mastografías ISSSTEP y MIAS, para la evaluación del desempeño del método se utilizó el análisis ROC y el análisis FROC.