El procesamiento rápido y confiable de imágenes médicas es de suma importancia para generar adecuadamente datos que alimenten algoritmos de aprendizaje automático que puedan prevenir y diagnosticar problemas de salud. Aquí, se comparan diferentes técnicas de compresión aplicadas a la resonancia magnética como un medio para reducir el tiempo de adquisición empleado en la recolección de datos y señales que forman la imagen. Se demuestra que al utilizar estas técnicas, es posible reducir el número de señales necesarias y, por lo tanto, disminuir sustancialmente el tiempo para adquirir las mediciones. Para ello, se consideran y comparan diferentes algoritmos: el de mínimos cuadrados iterativamente reponderados, el algoritmo de umbral suave iterativo, el algoritmo de umbral duro iterativo, el algoritmo dual primario y el algoritmo de barrera logarítmica. Estos algoritmos se han implementado en diferentes programas de análisis que se han utilizado para realizar la reconstrucción de las imágenes, y se encontró que el algoritmo de umbral suave iterativo brinda los resultados óptimos. Se observa que las imágenes obtenidas con este algoritmo tienen una calidad inferior a las originales, pero de todas formas, la calidad debería ser lo suficientemente buena para distinguir cada estructura corporal y detectar cualquier problema de salud bajo una evaluación experta y/o un análisis estadístico.