La detección temprana de enfermedades permite a los profesionales médicos brindar la mejor atención e incrementa la probabilidad de una recuperación completa. En este trabajo, mostramos que los sistemas de diseño asistido por computadora (CAD) son capaces de utilizar modalidades de imágenes médicas de radiografías de tórax (CXR) para la identificación de trastornos del sistema respiratorio. En la actualidad, la pandemia de COVID-19 es la enfermedad más conocida. Proponemos un sistema basado en inteligencia artificial explicativa para detectar COVID-19 a partir de imágenes de CXR utilizando varios modelos de redes neuronales convolucionales de vanguardia (CNN), así como los modelos de Visión de Transformador (ViT). El sistema propuesto también visualiza las áreas infectadas de las imágenes de CXR. Esto brinda a los médicos y otros profesionales médicos una segunda opción para apoyar su decisión. El sistema propuesto utiliza un preprocesamiento de las imágenes, que incluye la segmentación de la región de interés utilizando un modelo UNet y aumentación de rotación. CNN emplea matrices de píxeles, mientras que ViT divide la imagen en tokens visuales; por lo tanto, uno de los objetivos es comparar su rendimiento en la detección de COVID-19. En los experimentos, se utiliza un conjunto de datos disponible públicamente (COVID-QU-Ex). Los resultados experimentales muestran que los rendimientos de los modelos basados en CNN y los modelos basados en ViT son comparables. La mejor precisión fue del 99.82%, obtenida por el modelo EfficientNetB7 (basado en CNN), seguido por el modelo SegFormer (basado en ViT). Además, la segmentación y la aumentación mejoraron el rendimiento.