El neurona Frangi propuesto en este trabajo es un elemento complejo que permite el procesamiento de imágenes basado en el Hessiano de alto nivel. Sus parámetros adaptativos (pesos) pueden ser entrenados utilizando un número mínimo de datos de entrenamiento. En nuestro experimento, demostramos que solo una imagen es suficiente para optimizar los valores de los pesos. Una aplicación intuitiva de la neurona Frangi es utilizarla en el proceso de segmentación de imágenes. Para probar el rendimiento de la neurona Frangi, utilizamos diversos conjuntos de datos médicos en los que se visualizan estructuras de segundo orden. La red Frangi presentada en este documento, entrenada en una sola imagen, demostró ser significativamente más efectiva que la U-net entrenada en el mismo conjunto de datos. Para los conjuntos de datos probados, la red tuvo un mejor rendimiento medido por el área bajo la curva de característica operativa del receptor (ROC AUC) que la U-net y el algoritmo Frangi. Sin embargo, la red Frangi se desempeñó varias veces más rápido que la implementación sin GPU de Frangi. No hay nada que impida que la neurona Frangi se utilice como parte de cualquier otra red como un componente para procesar imágenes bidimensionales, por ejemplo, para detectar ciertas características de segundo orden en ellas.