A COVID-19, doença causada pelo novo coronavírus, após descoberta, espalhou-se rapidamente por vários países. O número de infectados ultrapassa 462 milhões em todo o mundo, e mais de 6 milhões de mortes foram registradas até março de 2022. Existem várias formas de diagnosticar o COVID-19, desde testes rápidos a exames por imagem. O presente trabalho, propõe uma metodologia computacional automática para detecção de regiões suspeitas de COVID-19 a partir de exames de Tomografia Computadorizada, um exame de imagem não invasivo que produz imagens de alta resolução e qualidade dos órgãos internos do paciente. O método proposto pode ser dividido em cinco grandes etapas, sendo: i) é realizada a aquisição das bases de imagens contendo os exames de TC; ii) acontece a etapa de pré-processamento, que consiste na padronização das imagens de entrada; iii) faz-se a extração dos pulmões para remoção das demais estruturas que não são de interesse; iv) é feita a segmentação das regiões suspeitas acometidas pede COVID-19, utilizando as arquiteturas U-Net e RGA; e por fim, v) é feita validação dos resultados. Para a segmentação do parênquima pulmonar, o método proposto alcançou 92% de Dice. Para os resultados da segmentação de lesões, a arquitetura U-Net alcançou um Dice de 82% e a arquitetura baseada em RGA alcançou um Dice de 71%. Por fim, os resultados são promissores e animadores, os quais, tornam a metodologia proposta apta a integrar um sistema de auxílio real em ambientes clínicos reais.