Este estudio propone la integración de módulos de atención, bloques de fusión de características y redes neuronales convolucionales de referencia para desarrollar una red multipath robusta que aprovecha sus múltiples bloques de extracción de características para la minería no jerárquica de características importantes relacionadas con imágenes médicas. La red se evalúa utilizando validación cruzada de 10 pliegues en conjuntos de datos de imágenes por resonancia magnética a gran escala que involucran tareas de clasificación de tumores cerebrales, clasificación de trastornos cerebrales y clasificación de demencia. La red Attention Feature Fusion VGG19 (AFF-VGG19) demuestra superioridad frente a redes de última generación y alcanza una precisión de 0.9353 en la distinción entre tres clases de tumores cerebrales, una precisión de 0.9565 en la distinción entre las enfermedades de Alzheimer y Parkinson, y una precisión de 0.9497 en la clasificación de casos de demencia.