Os tumores cerebrais constituem um obstáculo considerável no domínio dos cuidados de saúde, exigindo um diagnóstico preciso e rápido para se conseguir uma terapia eficaz e melhorar os resultados dos doentes. A Ressonância Magnética (RM) e a Tomografia Computorizada (TC) são técnicas cruciais para a identificação de tumores cerebrais, sendo que cada uma delas apresenta vantagens únicas. No entanto, a dependência exclusiva de uma modalidade pode restringir a precisão do diagnóstico. Este projeto apresenta um novo método que integra exames de RM e TC para melhorar a deteção e categorização de tumores cerebrais. Ao utilizar uma Rede Neural de Convolução de 13 camadas e algoritmos de fusão de imagens, a nossa abordagem procura combinar as vantagens de ambas as modalidades, reduzindo as suas respectivas desvantagens. O fluxo de trabalho consiste em carregar exames de RM e TC numa interface, onde uma Rede Neural Convolucional (CNN) aplica o algoritmo de fusão de imagens no backend. O resultado da classificação revela a existência, natureza ou ausência de um tumor. Além disso, os resultados podem ser obtidos através de um site ou aplicativo móvel, tornando mais fácil e mais eficaz para os profissionais de saúde para diagnosticar pacientes. Esta pesquisa tem como objetivo aumentar a eficiência e a precisão da classificação de cérebros.