“O câncer de mama é a maior causa de morte entre mulheres do mundo todo. Segundo o INCA (Instituto Nacional do Câncer), a detecção e tratamento precoce são fundamentais para minimizar os efeitos dessa doença e quanto mais cedo for detectada, mais sucesso pode ter no tratamento fornecido, reduzindo as taxas de mortalidade. Desta forma, os principais aliados da detecção do câncer de mama são o autoexame, que tem baixo custo, e a mamografia, que é o principal exame utilizado para o diagnóstico em estágios iniciais do câncer de mama. No entanto, a mamografia tem algumas limitações. Essas limitações da mamografia, em paralelo com o crescente número de casos de lesões mamárias em pacientes mais jovens, ou seja, mamas mais densas, ocasiona a busca e desenvolvimento de novas técnicas para a detecção precoce de lesões mamárias. Dentre quais, evidencia-se a termografia. A termografia vem sendo estudada para verificar as possibilidades do seu uso como exame de triagem na mastologia. Apesar de ser uma técnica promissora, a interpretação de imagens de termografia é muitas vezes difícil. Assim, técnicas de reconhecimento de padrões estão sendo exploradas como uma ferramenta importante para auxiliar o diagnóstico. Ao usar algoritmos de reconhecimento de padrões, as imagens são representadas por vetores de recursos. A seleção de atributos desempenha uma tarefa essencial dentro desse processo, com objetivo de reduzir o custo computacional do sistema, mas sempre levando em conta a necessidade de se manter altas taxas de acerto, já que isto pode refletir em erros de diagnóstico da lesão mamária. Esse trabalho teve como objetivo a redução da quantidade de atributos extraídos de imagens termográficas para classificação de lesões mamária utilizando algoritmo dialético de otimização (ODM), para avaliar o desempenho do algoritmo foi utilizado as métricas acurácia, índice kappa, sensibilidade e especificidade. Os classificadores utilizados foram baseado em redes neurais artificiais, árvores de decisões e classificadores bayesianos e posteriormente comparados com os resultados obtidos com todo o conjunto de atributos. Através dos dados analisados, é notório que a técnica de seleção de atributos utilizada neste trabalho simplificou os modelos de classificação, reduzindo o custo computacional desses modelos, redução do tamanho do vetor de atributos foi de cerca de 50% e com um menor impacto nas taxas de acerto da classificação da lesão mamária, com redução de acerto em torno de 3,72%. Os valores de especificidade e sensibilidade competitivos com outros métodos presente na literatura. Assim, o método proposto é uma técnica promissora para realização de redução de atributos, no qual se obteve valores de acurácia significantes, utilizando apenas 84 dos 168 atributos, demonstrando assim a importância desta etapa para a utilização da termografia como uma técnica auxiliar ao diagnóstico do câncer de mama.”