Este estudo aplicou o Faster R-CNN para a detecção e a classificação de tumores cerebrais primários (glioma e meningioma) utilizando imagens de ressonância magnética. O modelo utilizou as arquiteturas VGG-19 e ResNet-101, alinhando uma Rede de Proposta de Região capaz de classificar os objetos e planos de fundo. O conjunto de dados contém 6.307 imagens de gliomas, 6.391 de meningiomas e 3.066 sadias, dividido em 60% para treino, 20% para teste e 20% para validação. As métricas de avaliação incluem Acurácia, F1-Score, Precisão Média, Média de Precisão Média e Interseção sobre União. Nesse sentido, a VGG-19 obteve melhor desempenho para meningioma (Acurácia 0,910, F1-Score 0,900, IoU 0,830) e glioma (Acurácia 0,895, IoU 0,810), superando a ResNet-101 (meningioma: Acurácia 0,880, F1-Score 0,822; glioma: Acurácia 0,870, IoU 0,740).