As taxas de cura do cancro do rim variam em função do estádio e do grau; por conseguinte, são cruciais procedimentos de diagnóstico precisos para a deteção e o diagnóstico precoces. Algumas dificuldades com a segmentação manual tornaram necessária a utilização de modelos de aprendizagem profunda para ajudar os médicos a reconhecer e segmentar eficazmente o cancro. As redes neuronais convolucionais probabilísticas (PCNN), em particular as redes neuronais convolucionais, têm tido um sucesso notável na classificação e segmentação de imagens. Neste projeto, a filtragem de imagens de RMN dos rins é efectuada utilizando o algoritmo de Filtro de Difusão Anisotrópica Bilateral. Esta técnica de pré-processamento proposta proporciona um elevado rácio sinal/ruído (PSNR) e um baixo erro quadrático médio (MSE). O melhoramento da imagem em imagens de RM dos rins é efectuado utilizando o algoritmo EP-CLAHE (Edge Preservation-Contrast Limited Adaptive Histogram Equalization). O EP-CLAHE é utilizado para melhorar o contraste e a luminosidade. A segmentação da imagem renal por RMN é efectuada utilizando o algoritmo IFFCMC (Improved Fast Fuzzy C Means Clustering). O IFFCMC é utilizado para segmentar os pixéis do cancro do rim e suprimir os outros pixéis da imagem de RMN do rim.