La detección de anomalías encefálicas es uno de los aspectos más importantes en el diagnóstico médico. En este sentido, el procesamiento de imágenes se ha convertido en una herramienta fundamental para la agilizar el proceso con alta confiabilidad y precisión. En este trabajo, se implementaron algoritmos de aprendizaje para la detección de anomalías encefálicas en imágenes, con propósito de diagnóstico médico. Se implementaron dos algoritmos de procesamiento de imágenes a imágenes de resonancia magnética cerebral. El primero, k-means, y el otro el de máquina de soporte vectorial. El primero es un algoritmo de agrupamiento de datos no supervisado, y el segundo se basa en el aprendizaje supervisado para la clasificación. Se aplicaron ambos algoritmos y se compararon los resultados, obteniéndose una tasa de predicción de 43.75% con algoritmo k-means y de 80% con algoritmo de máquina de soporte vectorial, luego del entrenamiento con 50 imágenes de pacientes sanos y 50 imágenes de pacientes con anomalía cerebral.