Nos últimos anos vários trabalhos empregaram funções não métricas para lidar com a descontinuidade semântica entre os resultados de consultas e a percepção de similaridade dos usuários em sistemas de Recuperação de Imagens Baseada em Conteúdo (CBIR). Neste estudo investigou-se a recuperação de imagens de displasias da cavidade oral, obtidas a partir de lâminas histológicas que continham lesões induzidas em camundongos da linhagem C57Bl/6. As imagens foram segmentadas com um método baseado na rede neural Mask R-CNN para extração de descritores morfológicos e não morfológicos. As divergências de Bregman (Kullback-Leibler e Mahalanobis) e métricas (Euclidiana e Manhattan) foram utilizadas em buscas, que foram avaliadas por precisão e revocação. As divergências de Bregman mostraram-se mais eficazes na identificação dos níveis de displasias.