La imagen médica sirve como una herramienta crucial en el diagnóstico actual del cáncer. Sin embargo, la calidad de las imágenes médicas a menudo se ve comprometida para minimizar los posibles riesgos asociados con la adquisición de imágenes de pacientes. Los sistemas de diagnóstico asistido por computadora han avanzado significativamente en los últimos años. Estos sistemas utilizan algoritmos informáticos para identificar características anormales en imágenes médicas, ayudando a los radiólogos a mejorar la precisión diagnóstica y lograr consistencia en la interpretación de imágenes y enfermedades. Es importante destacar que la calidad de las imágenes médicas, como los datos objetivo, determina el nivel alcanzable de rendimiento de los algoritmos de inteligencia artificial. Sin embargo, el rango de valores de píxeles de las imágenes médicas difiere del de las imágenes digitales procesadas típicamente a través de algoritmos de inteligencia artificial, y la incorporación ciega de tales datos para el entrenamiento puede resultar en un rendimiento subóptimo del algoritmo. En este estudio, proponemos un esquema de mejora de imágenes médicas que integra módulos genéricos de procesamiento de imágenes digitales y procesamiento de imágenes médicas. Este esquema tiene como objetivo mejorar los datos de imágenes médicas dotándolos de características de alto contraste y suavidad. Realizamos pruebas experimentales para demostrar la efectividad de este esquema en mejorar el rendimiento de un algoritmo de segmentación de imágenes médicas.