El cáncer colorrectal (CCR) fue la segunda causa más común de muerte por cáncer en el mundo en 2018 y se ha convertido en una prioridad de salud pública mundial. Por lo tanto, la prevención de CCR mediante la detección temprana y la eliminación de lesiones neoplásicas es de suma importancia. Por lo general, el CCR comienza con pequeñas masas benignas o neoplasias comúnmente llamadas pólipos. En la mayoría de los casos, los pólipos evolucionan lentamente en adenocarcinoma o cáncer. La colonoscopia es el examen estándar para diagnosticar y tratar el CCR. Durante este procedimiento, un gastroenterólogo realiza una exploración visual de todo el colon para detectar esas lesiones y definir una actitud terapéutica. Sin embargo, algunos estudios de población a gran escala han informado que aproximadamente el 25% de los pólipos no son detectados durante la colonoscopia. Los pacientes con una tasa de omisión de pólipos pueden desarrollar CCR y en una etapa tardía, la tasa de supervivencia es inferior al 15%. La detección de pólipos es una tarea compleja que depende en gran medida de la experiencia del especialista y fatiga ocular, preparación intestinal del paciente y la variación biológica. Por lo tanto, un sistema automático de detección de pólipos como segundo lector puede ayudar a reducir la tasa de omisión de pólipos, resaltando las posibles regiones polipoides para aumentar la atención de los expertos. Este trabajo presenta un conjunto de métodos automáticos para apoyar el diagnóstico médico, inspirados en las características visuales, información contextual y temporal de las lesiones polipoides mayores de 5 milímetros, esta descripción permite la diferenciación de la clase de pólipo y no pólipo.