La neumonía es una inflamación del parénquima pulmonar causada por una variedad de microorganismos infecciosos y agentes no infecciosos. Todos los grupos de edad pueden resultar afectados; sin embargo, en la mayoría de los casos, los grupos frágiles son más susceptibles que otros. Las imágenes radiológicas como las imágenes de radiografía de tórax (CXR) proporcionan una detección temprana y una acción rápida, donde la CXR típica para esta enfermedad se caracteriza por una apariencia radiopaca o un segmento aparentemente sólido en las partes afectadas del pulmón debido a la formación de exudado inflamatorio que reemplaza el aire en los alvéolos. La detección temprana y precisa de la neumonía es crucial para evitar ramificaciones fatales, especialmente en niños y adultos mayores. En este documento, proponemos una arquitectura novedosa basada en una Red Neuronal Convolucional (CNN) de 50 capas que supera a los modelos de vanguardia. El marco sugerido se entrena utilizando 5852 imágenes de CXR y se prueba estadísticamente utilizando validación cruzada de cinco pliegues. El modelo puede distinguir entre tres clases: viral, bacteriana y normal; con una precisión del 99.7% +/- 0.2, una sensibilidad del 99.74% +/- 0.1 y un Área Bajo la Curva (AUC) de 0.9812. Los resultados son prometedores y la nueva arquitectura puede utilizarse para reconocer la neumonía tempranamente con rentabilidad y alta precisión, especialmente en áreas remotas que carecen de acceso adecuado a radiólogos expertos, y por lo tanto, reduce las tasas de mortalidad causadas por la neumonía.