Las técnicas de procesamiento de imágenes se utilizan de manera extensiva para apoyar el trabajo de los médicos en diferentes procedimientos médicos. Por ejemplo, para estimar la posición precisa y las dimensiones de un tumor cerebral. La Tomografía por Emisión de Positrones y la Imágenes por Resonancia Magnética son dos técnicas que se pueden utilizar para estudiar las estructuras del cerebro con neuroimágenes de alta resolución. Asimismo, estas técnicas permiten el análisis de un tumor cerebral, específicamente para determinar si es maligno o benigno. Por otro lado, la fusión de la Tomografía por Emisión de Positrones y la Imágenes por Resonancia Magnética permite el análisis de características fisiológicas en correlación con estructuras anatómicas. Este documento tiene como objetivo describir un algoritmo basado en un esquema híbrido de transformadas Wavelet y Curvelet, para aumentar la calidad del proceso de fusión de neuroimágenes en estudios de Tomografía por Emisión de Positrones y de Imágenes por Resonancia Magnética. Como transformadas específicas, se utilizaron la Transformada Discreta de Wavelet y la Transformada Rápida de Curvelet. Se utilizó la Media Gaussiana Ponderada de una ventana de 5 para la fusión de los coeficientes de neuroimágenes. La Interpolación Bicúbica se utilizó para la registro conjunto de neuroimágenes. Se desarrolló un algoritmo basado en un esquema de fusión híbrido utilizando las transformadas Wavelet y Curvelet. Este enfoque combina diferentes técnicas ampliamente utilizadas en este área del conocimiento. Los experimentos realizados para evaluar el enfoque confirmaron que el algoritmo garantiza una fusión de neuroimágenes PET/MRI con una resolución espacial de 256 x 256 píxeles, una resolución espectral de 24 bits y una relación señal-ruido (PSNR) superior a 36 dB. Estos resultados demuestran el buen rendimiento del método descrito en esta investigación para mejorar la calidad del proceso de fusión. En general, el enfoque de fusión propuesto puede contribuir a aumentar la precisión de la imagenología diagnóstica y reducir el número de falsos positivos en los exámenes PET.