O Instituto Nacional de Câncer relata mais de 9 mil óbitos somente no Brasil devido ao câncer de mama. Atualmente, a mamografia vem sendo utilizada pelos especialistas para detectar possíveis anormalidades em seu estágio inicial. Porém, entre 10% e 30% das anormalidades do tipo malignas visíveis em mamogramas, em estudos retrospectivos, não foram detectadas pelos especialistas durante exames de rotina. Para minimizar essa taxa de erro, sistemas computacionais de apoio à detecção (Computer-Aided Detection-CADe) e ao diagnóstico (Computer-Aided Diagnosis–CADx) vêm sendo desenvolvidos para auxiliar os especialistas na detecção e classificação de possíveis anormalidades. Nesse trabalho, filtros de realce de brilho foram aplicados na etapa inicial do processamento e quantificados. Após a etapa de préprocessamento, um método automático de segmentação baseado em limiarização multi-modal foi desenvolvido pela combinação entre algoritmo genético e transformada wavelet. Um conjunto de casos selecionados da base de dados pública Digital Database for Screening Mammography (DDSM) nas visões Crânio-Caudal (CC) e Médio-Lateral Oblíqua (MLO) foram utilizadas para avaliar os métodos propostos. De acordo com os resultados, o método de detecção foi capaz de identificar corretamente 88% dos casos analisados.