El cáncer colorrectal es una de las principales causas de casos incidentes de cáncer y muertes por cáncer en todo el mundo. Los pólipos de colon no detectados, sean benignos o malignos, conducen a un diagnóstico tardío del cáncer colorrectal. Los dispositivos asistidos por computadora han ayudado a disminuir la tasa de omisión de pólipos. La aplicación de algoritmos y técnicas de aprendizaje profundo ha aumentado durante esta última década. Se publican muchos estudios científicos para detectar, localizar y clasificar pólipos de colon. Presentamos aquí una breve revisión de los últimos estudios publicados. Comparamos la precisión de estos estudios con nuestros resultados obtenidos de entrenar y probar tres conjuntos de datos independientes utilizando un modelo de red neuronal convolucional y autoencoder. Se realizó una división de entrenamiento, validación y prueba para cada conjunto de datos, 75%, 15% y 15%, respectivamente. Se logró una precisión de 0.937 para CVC-ColonDB, 0.951 para CVC-ClinicDB y 0.967 para ETIS-LaribPolypDB. Nuestros resultados sugieren ligeras mejoras en comparación con los algoritmos utilizados hasta la fecha.