En el análisis de imágenes cerebrales por Resonancia Magnética (RM), la segmentación se utiliza comúnmente para detectar, medir y analizar las principales estructuras anatómicas del cerebro y, eventualmente, identificar regiones patológicas. La segmentación de imágenes cerebrales es de fundamental importancia, ya que ayuda a los clínicos e investigadores a concentrarse en regiones específicas del cerebro para analizarlas. Sin embargo, la segmentación de imágenes cerebrales es una tarea difícil debido a las altas similitudes y correlaciones de intensidad entre diferentes regiones de la imagen cerebral. Entre los diversos métodos propuestos en la literatura, los algoritmos de agrupamiento demuestran ser herramientas exitosas para la segmentación de imágenes. En este artículo, presentamos un marco para la segmentación de imágenes que está dedicado a apoyar al experto en la identificación de diferentes regiones cerebrales para un análisis posterior. El marco incluye diferentes métodos de agrupamiento para realizar la segmentación de imágenes de RM. Además, permite una fácil comparación de los diferentes resultados de segmentación al proporcionar una evaluación cuantitativa utilizando una medida basada en la entropía, así como otras medidas comúnmente utilizadas para evaluar los resultados de segmentación. Para mostrar el potencial del marco, los métodos de agrupamiento implementados se comparan en imágenes cerebrales de RM ponderadas por T1 simuladas del Repositorio de Segmentación Cerebral de Internet (base de datos IBSR) provistas con segmentación de verdad de terreno.