A calcificação renal é uma doença comumente observada e geralmente é detectada por urologistas utilizando imagens de tomografia computadorizada (TC), e o número de pessoas com esta patologia tem aumentado exponencialmente nos países industrializados. Esta anomalia é formada quando a urina apresenta quantidades maiores que o normal de substâncias, como cálcio e oxalato. A mudança de hábitos da sociedade atual forma um agravante a detecção tardia de cálculos renais, sendo que, uma detecção em estágio inicial é extremamente crucial para um melhor prognóstico, possibilitando através de remédios ajudar a dissolver e eliminar a pedra. Neste estudo, investigamos a eficácia da segmentação da Região Renal com a Maskrcnn e utilizamos o modelo baseado na arquitetura You-Only-Look-Once (YOLO), para detectar simultaneamente Calcificações na Região Renal em exames de Tomografia de Abdômen. O método está composto por 4 etapas: A primeira é a aquisição de imagens de TC, após este processo foram realizadas a segmentação da Região Renal candidatas á conter calcificações utilizando o modelo Mask-RCNN. No pré-processamento, as máscaras extraídas na segmentação são utilizadas para obter a localização central do trato urinário, a partir disto o próximo passo é a detecção das Calcificações que foram realizadas com 4 arquiteturas derivadas da Yolov5, as seguintes variações: a Yolov5n, Yolov5s, Yolov5m, Yolov5l. Para a avaliação do método proposto foram utilizados 20 exames, que totalizaram 532 imagens com calcificação. O cenário avaliado consiste nas detecção de calcificações realizada pelos os modelos Yolov5n, Yolov5s, Yolov5m e Yolov5l e os melhores resultados alcançados foram na Yolov5l com precisão, recall, mAP sendo 0.79, 0.76 e 0.83, em um conjunto de dados contendo quatro tipos de órgãos e diferentes tamanhos e localizações de cálculos.