Com volume de dados cada vez maiores sendo gerados por empresas e pesquisadores, há necessidade de rapidez, precisão e algoritmos robustos para análise de dados. Melhorias em tecnologia de bancos de dados, desempenho computacional e inteligência artificial contribuíram para o desenvolvimento da análise de dados. Máquinas de vetores suporte (support vetor machine-SVM) são um tipo específico de algoritmo de aprendizado de máquina que está entre os mais utilizados na resolução de muitos problemas. As SVMs são um dos classificadores mais poderosos e robustos, tendo um papel significativo no reconhecimento de padrões, sendo esta uma área de pesquisa amplamente popular e ativa entre os pesquisadores. O presente capítulo compara o desempenho da SVM com uma rede neural convolucional (convolutional neural network - CNN) na tarefa de classificação de imagens médicas. Embora a CNN tenha demonstrado desempenho superior, o desempenho da SVM pode ser aprimorado por meio de técnicas de redução de dimensionalidade/extração de características como: análise de componentes principais, transformada wavelet e autoencoder.