Las imágenes de resonancia magnética juegan un rol importante en muchas aplicaciones médicas como: i) identificación de diferencias funcionales en el cerebro a lo largo del tiempo o el espacio que puede ayudar a modelar la evolución de patologías como demencia, Alzheimer y esquizofrenia, ii) extracción de características espaciales (como tamaño, forma y ubicación) que permite construir modelos anatómicos representativos de diferentes grupos poblacionales. Estas aplicaciones requieren de una segmentación precisa de regiones y estructuras cerebrales. Sin embargo esta tarea no es facil de resolver debido a problemas como: presencia de ruido y artefactos, inhomogeneidad de la intensidad debido campos de excitación no uniformes, y baja resolución que no permite definir de forma precisa los límites de las estructuras. Adicionalmente, la forma compleja y las propiedades magnéticas de las estructuras a identificar se convierten en un reto para el algoritmo. Teniendo en cuenta lo anterior, se requiere de un esquema de segmentación de imágenes médica, robusto al ruido, que tenga en cuenta las variaciones de forma de las estructuras y regiones de interés y que se pueda extender a un espacio de representación discriminativo, de tal forma que se logre un incremento en la calidad de la extracción estructuras cerebrales a partir de imágenes resonancia magnética.