La clasificación de objetos es una tarea crucial en el aprendizaje profundo, que implica la identificación y categorización de objetos en imágenes o videos. Aunque los humanos pueden reconocer fácilmente objetos comunes, como coches, animales o plantas, realizar esta tarea a gran escala puede ser lento y propenso a errores. Por lo tanto, automatizar este proceso utilizando redes neuronales puede ahorrar tiempo y esfuerzo mientras se logra una mayor precisión. Nuestro estudio se centra en el paso de clasificación del cariotipado de cromosomas humanos, un procedimiento médico importante que ayuda a diagnosticar trastornos genéticos. Tradicionalmente, esta tarea es realizada manualmente por citólogos expertos, lo que es un proceso que consume mucho tiempo y requiere habilidades médicas especializadas. Por lo tanto, automatizarlo a través del aprendizaje profundo puede ser inmensamente útil. Para lograr esto, implementamos y adaptamos técnicas existentes de preprocesamiento y aumento de datos para preparar las imágenes de los cromosomas para la clasificación. Utilizamos la red neuronal convolucional ResNet-50 y el Transformer Swin, junto con un enfoque de conjunto para clasificar los cromosomas, obteniendo un rendimiento de vanguardia en el conjunto de datos probado.