A classificação de tumores ósseos em imagens radiográficas é uma tarefa desafiadora devido à variabilidade visual das lesões. Este trabalho apresenta uma abordagem baseada em aprendizado profundo para a classificação binária de tumores ósseos em benignos e malignos, utilizando imagens radiográficas do conjunto de dados BTXRD. Foram avaliadas seis arquiteturas profundas pré-treinadas, incluindo modelos ConvNeXt, MaxViT e Swin Transformer. Além disso, foram investigadas estratégias de ensemble baseadas em soft voting, weighted voting e stacking. No conjunto de teste, o método proposto alcançou acurácia de 97,87%, F1-score de 97,92% e AUC-ROC de 99,59%. Além disso, o método obteve recall de 100,00\% para a classe maligna.