El estudio de la neuroimagen es una herramienta muy importante en el diagnóstico de tumores del sistema nervioso central. Este documento presenta la evaluación de siete modelos de redes neuronales convolucionales profundas (CNN) para la tarea de clasificación de tumores cerebrales. Se implementa un modelo CNN genérico y se estudian seis modelos CNN pre-entrenados. Para esta propuesta, el conjunto de datos utilizado en este documento es Msoud, que incluye los conjuntos de datos Fighshare, SARTAJ y Br35H, que contienen 7023 imágenes de resonancia magnética (MRI). La resonancia magnética (MRI) en el conjunto de datos pertenece a cuatro clases, tres tumores cerebrales, incluyendo Glioma, Meningioma y Pituitario, y una clase de cerebros sanos. Los modelos se entrenan con imágenes de MRI de entrada con varias estrategias de preprocesamiento aplicadas en este documento. Los modelos de CNN evaluados son CNN Genérico, ResNet50, InceptionV3, InceptionResNetV2, Xception, MobileNetV2 y EfficientNetB0. En la comparación de todos los modelos de CNN, incluyendo un CNN genérico y seis modelos pre-entrenados, el mejor modelo de CNN para este conjunto de datos fue InceptionV3, que obtuvo una precisión promedio del 97.12%. El desarrollo de estas técnicas podría ayudar a los médicos especializados en la detección temprana de tumores cerebrales.