O câncer de mama é apontado como a principal causa de morte entre as mulheres. Sua ocorrência aumenta consideravelmente todos os anos. O diagnóstico dessa doença de forma precoce está diretamente relacionado às chances de cura. Uma das formas de auxílio ao profissional de saúde na identificação e diagnóstico é o uso de Sistemas de Detecção e Diag- nósticos Auxiliados por Computador (Computer Aided Detection/Diagnosis). Este trabalho propõe uma metodologia para discriminação de padrões de malignidade e benignidade em imagens mamográficas, através das características extraídas pelos Índices de Diversidade Filogenética. A região de interesse foi extraída através de uma Rede Neural Convolucional, com base na arquitetura da rede U-Net. Para a classificação, visando diferenciar as imagens malignas e benignas, utilizou-se os classificadores Random Forest, J48, LMT e a Máquina de Vetor de Suporte (MVS). A metodologia apresentou bons resultados na classificação tendo o classificador Random Forest o melhor desempenho entre todos. O resultado foi comparado com alguns trabalhos relacionados e com os resultados do especialista.