Objective: To develop a computational algorithm applied to magnetic resonance imaging for automatic segmentation of brain tumors. Methods: A total of 130 magnetic resonance images were used in the T1c, T2 and FSPRG T1C sequences and in the axial, sagittal and coronal planes of patients with brain cancer. The algorithms employed contrast correction, histogram normalization and binarization techniques to disconnect adjacent structures from the brain and enhance the region of interest. Automatic segmentation was performed through detection by coordinates and arithmetic mean of the area. Morphological operators were used to eliminate undesirable elements and reconstruct the shape and texture of the tumor. The results were compared with manual segmentations by two radiologists to determine the efficacy of the algorithms implemented. Results: The correlated correspondence between the segmentation obtained and the gold standard was 89.23%. Conclusion: It is possible to locate and define the tumor region automatically with no the need for user interaction, based on two innovative methods to detect brain extreme sites and exclude non-tumor tissues on magnetic resonance images. ❚ RESUMOObjetivo: Desenvolver um algoritmo computacional aplicado a imagens de ressonância magnética, para segmentação automática de tumores cerebrais. Métodos: Foram utilizadas 130 imagens de ressonância magnética nas sequências T1c, T2 e FSPRG T1c e nos planos axial, sagital e coronal de pacientes acometidos com câncer cerebral. Os algoritmos empregaram técnicas de correção de contraste, normalização de histograma e binarização, para desconectar estruturas adjacentes do cérebro e realçar a região de interesse. A segmentação automática foi realizada por meio da detecção por coordenadas e por média aritmética da área. Operadores morfológicos foram utilizados para eliminar elementos indesejáveis e reconstruir a forma e a textura do tumor. Os resultados foram comparados com as segmentações manuais de dois médicos radiologistas, para determinar a eficácia dos algoritmos implementados. Resultados: Os acertos foram de 89,23% na correspondência entre a segmentação obtida e o padrão-ouro. Conclusão: É possível localizar e delimitar a região tumoral de forma automática, sem necessidade de interação com o usuário baseado em dois métodos inovadores de detecção dos extremos do cérebro e de exclusão dos tecidos não tumorais em imagens de ressonância magnética.Descritores: Diagnóstico por imagem; Neoplasias encefálicas; Processamento de imagem assistida por computador; Imagem por ressonância magnética; Simulação por computador How to cite this article: Mascarenhas LR, Ribeiro Júnior AS, Ramos RP. Automatic segmentation of brain tumors in magnetic resonance imaging. einstein (São Paulo). 2020;18:eAO4948. http://dx.