[pt] As lesões da substância branca são lesões cerebrais não estáticas que têm uma taxa de prevalência de até 98 por cento na população idosa, embora também esteja presente na população jovem. Uma vez que elas podem estar associadas a várias doenças cerebrais, é importante detectá-las o mais cedo possível. A ressonância magnética fornece dados tridimensionais para visualização e análise de tecidos moles, pois contém informações ricas sobre sua anatomia. No entanto, a quantidade de dados adquiridos para essas imagens pode ser excessiva para análise / interpretação manual, representando uma tarefa difícil e demorada para especialistas. Portanto, esta tese de doutorado apresenta quatro novos métodos computacionais para detectar automaticamente lesões de substância branca em imagens de ressonância magnética, baseadas principalmente nos algoritmos SLIC0 e Convolutional Neural Networks. Nosso principal objetivo é fornecer as ferramentas necessárias para que os especialistas acelerem seus trabalhos e sugiram uma segunda opinião. Dos quatro métodos propostos, o que obteve melhores resultados foi aplicado em 91 imagens de ressonância magnética, e obteve uma precisão de 97,93 por cento, especificidade de 98,02 por cento e sensibilidade de 90,12 por cento, sem utilizar nenhuma técnica de redução de candidatos. / [en] White matter lesions are non-static brain lesions that have a prevalence rate up to 98 percent in the elder population, although it is also present in the young population. Because it may be associated with several brain diseases, it is important to detect them as early as possible. Magnetic resonance imaging provides threedimensional data for visualization and analysis of soft tissues as it contains rich information about their anatomy. However, the amount of data acquired for these images may be too much for manual analysis/interpretation alone, representing a difficult and time-consuming task for specialists. Therefore, this doctoral thesis presents four new computational methods to automatically detect white matter lesions in magnetic resonance images, based mainly on algorithms SLIC0 and Convolutional Neural Networks. Our primary objective is to provide the necessary tools for specialists to accelerate their works and suggest a second opinion. From the four proposed methods, the one that achieved best results was applied on 91 magnetic resonance images, and achieved an accuracy of 97.93 percent, specificity of 98,02 percent and sensitivity of 90,12 percent, without using any candidate reduction techniques.