Este estudio tuvo como objetivo implementar un modelo de inteligencia artificial (IA) capaz de diagnosticar meningiomas y meningiomas atípicos durante el aprendizaje profundo utilizando imágenes por resonancia magnética (IRM). El método experimental consistió en adquirir escaneos de IRM de meningiomas y meningiomas atípicos utilizando las técnicas de imágenes ponderadas por T2 (T2WI), imágenes ponderadas por T1 (T1WI), T1WI mejoradas con contraste (CE-T1WI) y recuperación de inversión atenuada por fluido mejorada con contraste (CE-FLAIR). Los resultados de la IRM, según cada método, se categorizaron en dos clases para diagnosticar meningioma o meningioma atípico. Las imágenes CE-FLAIR tendieron a tener un rendimiento de aprendizaje más bajo en comparación con otros métodos, pero todos los métodos mostraron un excelente rendimiento diagnóstico. Confirmamos que el aprendizaje profundo es un método útil para diagnosticar meningiomas y meningiomas atípicos. Al utilizar IRM, si se mejora la precisión y la tasa de pérdida aplicando aprendizaje profundo optimizado para imágenes médicas, será posible implementar un modelo de diagnóstico de tumores cerebrales con un mejor rendimiento de aprendizaje.