Riera Iziga, MarcosSotelo HernÁndez, WaldirCampos Vasquez, Neicer2021-12-172022-02-222021-12-172022-02-222021-12978-958-52071-9-62414-6390http://laccei.org/LEIRD2021-VirtualEdition/meta/FP33.htmlhttp://dx.doi.org/10.18687/LEIRD2021.1.1.33https://axces.info/handle/10.18687/20210102_33En la Actualidad no es fácil la interpretación de imágenes de mamografía y brindar un diagnóstico medico por un profesional de salud, Es que a pesar de la experiencia del profesional no se detecta al 100 % las anomalías ó tumores de manera rápida. Puesto a que no es fácil de interpretar. objetivo principal fue realizar un clasificador de imágenes y aplicar una neurona convolucional. posteriormente de un entrenamiento riguroso de la neurona brindar un diagnóstico eficiente, se muestra que mediante el aumento de entrenamiento el resultado es más eficiente y se disminuye el factor de error. Solo en la segunda prueba de llego 64.3% la efectividad. En la investigación no se presentaron imágenes incompatibles con la red neuronal por lo que no se perdió atributos si se realizaron ajustes de parámetros. Por lo que es demostrable que el sistema tiene gran alcance practico debido a que los recursos usados son de fácil alcance.EnglishLACCEI Licensehttps://laccei.org/blog/copyright-laccei-papers/deep learningmamografíaclasificación de imágenesdiagnosticoArticle