Los sistemas basados en aprendizaje automático están ganando interés en el campo de la medicina, principalmente en imágenes médicas y diagnóstico. En este documento, abordamos el problema de detección automática de microhemorragias cerebrales (CMB) en imágenes de resonancia magnética. Es un desafío debido a la dificultad para distinguir un verdadero CMB de sus imitaciones, sin embargo, si se resuelve con éxito, agilizaría el trabajo de los radiólogos. Para abordar este problema tridimensional complejo, proponemos un enfoque de aprendizaje automático basado en una red Faster RCNN 2D. Nuestro objetivo es lograr un sistema confiable, es decir, con sensibilidad y precisión equilibradas. Por lo tanto, hemos investigado y analizado, entre otros, el impacto de la forma en que se proporcionan los datos de entrenamiento al sistema, su preprocesamiento, la elección del modelo y su estructura, y también las formas de regularización. Además, también analizamos cuidadosamente las predicciones de la red y propusimos un algoritmo para su postprocesamiento. El enfoque propuesto permitió obtener una alta precisión (89.74%), sensibilidad (92.62%) y puntuación F1 (90.84%). El documento presenta los principales desafíos relacionados con la detección automática de microhemorragias cerebrales, su análisis profundo y el sistema desarrollado. La investigación realizada puede contribuir significativamente al diagnóstico médico automático.