La óptica adaptativa (AO) es uno de los sistemas más relevantes para la corrección de imágenes de telescopios terrestres. AO se caracteriza por sistemas computacionales exigentes que deben ser capaces de gestionar rápidamente grandes cantidades de datos, tratando de realizar todos los cálculos necesarios lo más cerca posible del tiempo real. Además, las próximas generaciones de telescopios que ya se están construyendo exigirán mayores requisitos computacionales. Por estas razones, las redes neuronales artificiales (ANNs) se han convertido recientemente en una alternativa a las reconstrucciones tomográficas comúnmente utilizadas basadas en varios algoritmos como el método de mínimos cuadrados. Las ANNs han demostrado su capacidad para modelar sistemas físicos complejos, así como predecir valores en el caso de AO nocturna donde algunos modelos ya han sido probados. En esta investigación, se presenta una comparación en términos de calidad de las salidas proporcionadas y el tiempo computacional necesario entre tres de las topologías de ANN más comunes utilizadas en la actualidad, para obtener la que se ajuste mejor a los requisitos de estos sistemas AO. Se consideran el perceptrón multicapa (MLP), las redes neuronales convolucionales (CNN) y las redes neuronales convolucionales totalmente (FCN). Los resultados presentados determinan el camino a seguir para el desarrollo de sistemas de reconstrucción basados en ANNs para futuros telescopios, como los que se están construyendo para observaciones solares.