A calcificação renal é uma doença comumente observada e é geralmente detectada por urologistas utilizando imagens de tomografia computadorizada (TC), e o número de pessoas com esta patologia incide em 5 a 15% da população acometendo ambos os sexos. Esta anomalia é formada quando a urina apresenta quantidades maiores que o normal de substâncias, como cálcio e oxalato. A detecção em estágio inicial é crucial para um melhor prognóstico, portanto sistemas de visão computacional podem auxiliar o médico na identificação das calcificações, possibilitando o tratamento. O objetivo deste trabalho é criar um método de detecção de calcificações em imagens de TC. Dessa forma, propomos uma metodologia com quatro etapas: A primeira é a aquisição imagens de TC, após esse processo, é feita a segmentação da Região Renal utilizando a Mask-RCNN. No pré-processamento, as máscaras extraídas na segmentação são utilizadas para obter a localização central do trato urinário, a apartir disto o próximo passo é a detecção das calcificações nessa etapa avaliamos 4 arquiteturas derivadas da Yolov5: a Yolov5n, Yolov5s, Yolov5m, Yolov5l, além disso, também avaliamos diferentes tamanhos de entrada de imagens, que foram: 320x320, 512x512 e 640x640. Para o treino e avaliação do método proposto foram utilizados 20 exames, que totalizaram 532 imagens com calcificação. Os resultados obtidos são promissores, alcançando precisão e mAP de 0,96 e 0,89 na Yolov5s, e na Yolov5l com o Recall de 0,86 em um conjunto imagens no tamanho de 512x512 contendo quatro tipos de órgãos e diferentes tamanhos e localizações de cálculos. Por meio da análise realizada, concluímos que utilizando somente a região renal segmentada, os resultados foram superiores do que usando as imagens originais que envolvem totalmente a região do Abdômen.