O aprendizado profundo tem sido utilizado com sucesso nas mais variadas aplicações, devido à grande quantidade de dados disponíveis. No entanto, algumas delas (e.g.  na área médica) apresentam escassez tanto de amostras quanto de rótulos para as mesmas. Este trabalho tem como foco apresentar a proposta de abordagens de aprendizado de máquina, incluindo métodos de aprendizado ativo no domínio de lesões mamárias, de forma a auxiliar no diagnóstico de câncer de mama. Para isto, foram realizados experimentos, considerando diversas técnicas do estado da arte para o treinamento de redes neurais convolucionais, bem como a inclusão de diferentes estratégias de seleção para o aprendizado ativo.  A metodologia proposta é validada em um conjunto de dados público referente a imagens de lesões mamárias e apresenta resultados para tarefas de classificação de até 81.34% de acurácia. Foi possível avaliar o impacto das estratégias de aprendizado ativo no processo de aprendizado das redes. Tais estratégias possibilitam alcançar resultados significativos, com uma menor quantidade de dados de treinamento rotulados, minimizando o esforço dos especialistas no processo de anotação.