O câncer de mama é o segundo tipo de câncer mais comum no mundo. O diagnóstico e o tratamento em estágios iniciais aumentam as chances de cura da paciente. A temperatura de tecidos cancerosos é geralmente mais alta do que a de tecidos vizinhos saudáveis, tornando a termografia uma opção a ser considerada em estratégias de rastreamento deste tipo de câncer. Este artigo propõe um conjunto de características extraídas de imagens obtidas por Termografia Infravermelha Dinâmica com o objetivo de detectar anomalias da mama, entre elas o câncer, utilizando técnicas de aprendizagem de máquina não supervisionada. índices de validação de agrupamento são aplicados para avaliar os grupos formados de séries temporais de temperatura para vários valor de k aplicados no algoritmo k-means, gerando valores tratados como características. As análises revelam que o índice Streh gera as características mais significativas.