Las redes neuronales artificiales son una herramienta computacional que permite realizar aplicaciones de manera automatica que de momento solo podian ser realizadas por humanos. Esta tecnologia lidera el campo de la vision por computadora y los procesos de automatizacion. En este trabajo de grado se busca la implementacion de una red neuronal para resolver un problema de clasificacion logistica, la cual se puede entender como la probabilidad de que una entrada pertenezca a una clase en particular, esto, con el fin de suplir una necesidad identificada por el autor en una institucion sin animo de lucro. En la institucion se realizan examenes de angiografia reticular de manera diaria y el acumulo de resultados se vuelve un trabajo tedioso para los medicos y a su vez el tiempo de esperar para la entrega de los resultados es considerable. Asi pues, se propuso el diseno de una herramienta de ayuda diagnostica que permite clasificar las angiografias reticulares con base a la probabilidad de ser patologica o no patologica; con el fin de entregar a los medicos en orden de mayor probabilidad patologica y tratar de disminuir el tiempo de intervencion a los pacientes con alta probabilidad de patologia. Para el desarrollo de la herramienta se uso el lenguaje de programacion Python y la libreria de redes neuronales Tensorflow y Keras. Fue necesario la creacion de una base de datos con las imagenes angiografica proporcionadas por la institucion para el proceso de entrenamiento de la red neuronal. Posteriormente, se propusieron tres alternativas viables de redes neuronales artificiales que tuviesen la capacidad de procesar la informacion angiografica; lo siguiente fue entrenar y validar cada uno de los modelos y comparar su desempeno en datos no vistos por medio de la construccion de una matriz de confusion. Finalmente, se eligio el modelo como mejor resultado en la matriz de confusion y se realizo el deployment del modelo por medio de una GUI que permite la interaccion con el usuario y la herramienta de ayuda diagnostica