Contexto: Las microcalcificaciones mamarias son lesiones no palpables que están presentes aproximadamente en el 55% de los casos de cáncer de mama; son un hallazgo muy frecuente en mamografías y pueden ser un indicador de esta enfermedad en sus primeras fases. Método: Se implementó un método para el realce de microcalcificaciones mamarias basado en análisis multirresolución a través de la transformada wavelet. Posteriormente se realiza una segmentación aproximada de candidatos utilizando los parámetros estadísticos de la distribución de coeficientes y se seleccionaron aquellos que cumplían con ciertos parámetros de longitud y distribución. Por último, se emplea un modelo de clasificación binaria utilizando máquinas de soporte vectorial para clasificar imágenes con microcalcificaciones mamarias agrupadas. Resultados: Se realizó la tarea de clasificación binaria entre imágenes con tejido mamario sano y con microcalcificaciones utilizando una máquina de soporte vectorial (Support-vector machine, SVM, por sus siglas en inglés) utilizando kernel lineal. Las métricas de evaluación para el algorítmo fueron: área bajo la curva (AUC) de 93.6 %, precisión de 89.4 %, sensibilidad de 88.4% y especificidad de 90.5 %. Conclusiones: En el presente trabajo se utilizó el tamaño y la distribución como criterios para la segmentación y caracterización de microcalcificaciones mamarias agrupadas, que en la evaluación clínica son medidas cuantitativas para la detección de cáncer de seno en sus primeras etapas. Dado que el tejido mamario presenta un bajo contraste se propuso un método de realce que logra desenmascarar algunas microcalcificaciones que son poco evidentes. Con el enfoque propuesto se logró clasificar correctamente la mayoría de imágenes de tejido mamario con microcalcificaciones agrupadas ya sea en distribuciones segmentarias, lineales o ramificadas.