Objectivos: o reconhecimento Precoce do câncer de mama, a forma mais comum de diagnóstico de câncer, em mulheres, é de crucial importância, uma vez que leva à melhorou significativamente as chances de sobrevivência., A termografia médica, que usa uma câmera infravermelha para imagens térmicas, tem sido demonstrada como uma técnica particularmente útil para o diagnóstico precoce, porque detecta tumores menores do que a modalidade padrão de mamografia. métodos e material: neste artigo, analisamos termogramas mamários extraindo características que descrevem simetrias bilaterais entre as duas áreas mamárias, e apresentamos um sistema de classificação para a tomada de decisões. É evidente que os custos associados à ausência de um caso de cancro são muito mais elevados do que os custos associados à rotulagem incorrecta de um caso benigno., Ao mesmo tempo, os conjuntos de dados contêm significativamente menos casos malignos do que os benignos. As abordagens de classificação normalizadas não consideram nenhum destes aspectos. Neste artigo, introduzimos um conjunto de classificadores híbrido sensível aos custos para resolver este problema desafiador. A nossa abordagem implica um conjunto de árvores de decisão sensíveis aos custos, que atribuem um custo de classificação mais elevado à classe maligna, aumentando assim a sua taxa de reconhecimento. Um algoritmo genético é empregado para a seleção simultânea de recursos e fusão classificadora., Como critério de otimização, usamos uma combinação de custo de desclassificação e diversidade para alcançar uma alta sensibilidade e um conjunto heterogêneo. Além disso, podamos o nosso conjunto descartando classificadores que contribuem minimamente para a tomada de decisões. resultados: para um conjunto de dados desafiador de cerca de 150 termogramas, a nossa abordagem alcança uma excelente sensibilidade de 83,10%, mantendo uma elevada especificidade de 89,44%., Isto não só significa um melhor reconhecimento de casos malignos, mas também supera estatisticamente outros algoritmos de última geração projetados para a classificação desequilibrada, e, portanto, fornece uma abordagem eficaz para a análise de termogramas mamários. conclusões: o nosso conjunto híbrido proposto, sensível aos custos, pode facilitar um diagnóstico precoce altamente preciso do cancro da mama com base nas características dos termogramas. Supera as dificuldades colocadas pela distribuição desequilibrada dos pacientes nos dois grupos analisados.