"La materia blanca tiene un papel importante en la estructura cerebral, y una lesión o degeneración en ésta área, pude causar daños severos a todo el sistema cerebral, por lo tanto, la segmentación automática de imágenes médicas cerebrales es un proceso importante al utilizar software de apoyo para la detección de lesiones, neurodegradación o en la evaluación de neurocirugías. En esta investigación, se realizará un estudio comparativo de técnicas para la segmentación automática de la materia blanca cerebral, proponiendo diferentes arquitecturas de segmentación como la U-Net y variantes de la misma. Se observan unas métricas mejores para una U-Net residual que, para las variantes implementadas, teniendo para U-Net un Dice Score de 0.86, para BConvLSTM U-Net un Dice Score de 0.79, para U-Net residual un Dice Score de 0.89 y para U-Net doble un Dice Score de 0.84."