Este documento presenta un algoritmo de descomposición basado en wavelets bidimensionales para la clasificación de imágenes biomédicas. La descomposición wavelet bidimensional se realiza hasta cinco niveles para las imágenes de entrada. Luego, se utilizan los histogramas de las imágenes descompuestas para formar el conjunto de características. Este conjunto de características se reduce aún más utilizando análisis de componentes principales probabilísticos. El conjunto reducido de características se introduce luego en un algoritmo de vecino más cercano o en una red neuronal artificial de alimentación directa para clasificar las imágenes. El algoritmo se compara con otras tres técnicas en términos de precisión. Se encontró que el algoritmo propuesto es mejor hasta en un 3.3%, 12.75% y 13.75% en promedio sobre el primer, segundo y tercer algoritmo, respectivamente, utilizando KNN y hasta un 6.22%, 13.9% y 14.1% en promedio utilizando ANN. El conjunto de datos utilizado para la comparación consistió en imágenes de tomografía computarizada de pulmones e imágenes de resonancia magn