El aumento del consumo de recursos de combustibles fósiles en el mundo ha puesto énfasis en las mediciones de flujo en la industria del petróleo. Esto ha generado un nicho en crecimiento en la industria de los medidores de flujo. En este estudio, se utilizó una red neuronal artificial (ANN) y varias extracciones de características para mejorar la precisión de los medidores de flujo de dos fases basados en radiación de rayos X. El sistema de detección propuesto en este artículo consta de un tubo de rayos X, un detector NaI para registrar los fotones y un tubo de vidrio de pirex, que se coloca entre el detector y la fuente. Para modelar la geometría mencionada, se utilizó el código Monte Carlo MCNP-X. Se derivaron cinco características en el dominio del tiempo a partir de los datos recopilados para ser utilizados como entrada de la red neuronal. Se aplicó un Perceptrón Multicapa (MLP) para aproximar la función relacionada con la relación entrada-salida. Finalmente, el enfoque introducido pudo reconocer correctamente el patrón de flujo y predecir la fracción de volumen de los componentes del flujo de dos fases con un error cuadrático medio (RMSE), error absoluto medio (MAE) y error porcentual absoluto medio (MAPE) de menos de 0.51, 0.4 y 1.16%, respectivamente. La precisión obtenida del sistema propuesto en este estudio es mejor que la de los trabajos anteriores.