RESUMENLa presente revisión de esquemas de clasificación analiza los algoritmos y métodos más utilizados dentro de la detección automática y clasificación supervisada de anomalías en imágenes de mamografías. Para ello, se propone el análisis de 36 artículos científicos en base a su metodología de clasificación, considerando además que estas publicaciones se encuentran indexadas en revistas reconocidas en los últimos cinco años. El estudio se ha dividido en cuatro etapas. La primera etapa es el preprocesamiento, que incluye las bases de datos utilizadas para entrenamiento y pruebas. Además, describimos los métodos de filtrados como la ecualización de histogramas (escala de grises) y el filtro Gabor, entre otros métodos que han brindado resultados eficientes. La etapa de los algoritmos de extracción de características presenta coincidencias en la utilización de la transformada discreta de coseno y la transformada discreta de ondícula entre otros algoritmos que se han utilizado para esta tarea. Para los algoritmos de clasificación, se resalta la utilización de las máquinas de vectores de soporte. En adición a la revisión de expresiones matemáticas desarrolladas en esta investigación, una de las contribuciones de este trabajo reside en proporcionar una lista de clasificadores híbridos, que resultan de la combinación de los clasificadores convencionales. Finalmente, se describen las métricas de evaluación como la curva receptora de características operativas y la precisión, que son indicadores cuantitativos del desempeño de los algoritmos revisados en este trabajo investigativo.PALABRAS CLAVE: Algoritmo de clasificación, cáncer de mama, extracción de características, mamografía, reconocimiento de patrones. ABSTRACTThe present revision of classification schemes analyzes the algorithms and methods most used within the automatic detection and supervised classification of abnormalities in mammography images. To do this, we propose the analysis of 36 scientific papers based on their classification methodology, considering also that these publications are indexed in recognized journals in the last five years. The study has been divided into four stages. The first stage is preprocessing, which includes databases used for training and testing. In addition, we describe the filtering methods such as histogram equalization (grayscale) and the Gabor filter, among other methods that have yielded efficient results. The stage of feature extraction algorithms presents coincidences in the use of the discrete cosine transform and the discrete wavelet transform, among other algorithms that have been used for this task. For the classification algorithms, we highlight the use of the support vector machine. In addition to the review of mathematical expressions developed in this research, one of the contributions of this paper is to provide a list of hybrid classifiers, which result from the combination of conventional classifiers. Finally, we describe the evaluation metrics such as the receiver operating characteristic curve and the precis...