La aparición y el brote del nuevo coronavirus (COVID-19) tuvieron un efecto devastador en la salud global, la economía y la vida diaria de las personas. El diagnóstico oportuno de COVID-19 es una tarea crucial, ya que reduce el riesgo de propagación de la pandemia, y un tratamiento temprano salvará la vida de los pacientes. Debido a la naturaleza compleja y que consume tiempo, así como a la alta tasa de falsos negativos de la prueba de RT-PCR, que es el estándar de oro para el diagnóstico de COVID-19, ha aumentado la necesidad de un método de diagnóstico adicional. Estudios han demostrado la importancia de las imágenes de rayos X para el diagnóstico de COVID-19. La difusión de técnicas de aprendizaje profundo en imágenes de rayos X puede automatizar el proceso de diagnóstico y servir como una herramienta de asistencia para los radiólogos. En este estudio, utilizamos cuatro modelos de aprendizaje profundo: DenseNet121, ResNet50, VGG16 y VGG19, utilizando el concepto de transferencia de aprendizaje para el diagnóstico de imágenes de rayos X como COVID-19 o normales. En el estudio propuesto, VGG16 y VGG19 superaron a los otros dos modelos de aprendizaje profundo. El estudio logró una precisión de clasificación general del 99.3%.