Este documento proporciona una descripción detallada de las Redes Neuronales Profundas y su aplicación en la segmentación y análisis de escáneres de Resonancia Magnética (RM) pulmonar, centrándose específicamente en la RM de gas hiperpolarizado y la cuantificación de defectos de ventilación pulmonar. Se presenta una comprensión profunda de las Redes Neuronales Profundas, sentando las bases para la exploración de su uso en la RM de gas hiperpolarizado y la cuantificación de defectos de ventilación pulmonar. Se examinan cinco estudios distintos, cada uno aprovechando arquitecturas únicas de aprendizaje profundo y técnicas de aumento de datos para optimizar el rendimiento del modelo. Estos estudios abarcan una variedad de enfoques, incluido el uso de Redes Neuronales Convolucionales 3D, modelos U-Net en cascada, Redes Generativas Adversarias y nnU-net para la segmentación de RM de gas hiperpolarizado. Los hallazgos resaltan el potencial de los métodos de aprendizaje profundo en la segmentación y análisis de escáneres de RM pulmonar, enfatizando la necesidad de consenso sobre los métodos de segmentación de ventilación pulmonar.