Introducción: Este estudio presenta un flujo de trabajo que utiliza análisis de redes basado en métodos de detección de comunidades e imágenes por resonancia magnética funcional (fMRI) para investigar problemas de conectómica cerebral. Objetivo: El objetivo del estudio es mejorar la comprensión de la arquitectura cerebral y sus implicaciones clínicas, en particular en la identificación de patrones de conectividad alterados en condiciones neurológicas y psiquiátricas. Método: Se aplicaron técnicas como la normalización de intensidad y el suavizado de imágenes para garantizar la calidad del procesamiento de datos fMRI. Se empleó un modelo de autocodificador para analizar redes de conectividad funcional y se utilizó el algoritmo de Louvain para detectar comunidades dentro de estas redes.
Resultados: Se lograron altos valores de modularidad y las pruebas de validación confirmaron la robustez del algoritmo utilizado en el análisis. Conclusiones: Este estudio avanza en nuestra comprensión de la arquitectura cerebral y tiene implicaciones clínicas significativas al identificar patrones de conectividad alterados, lo que puede mejorar el diagnóstico y el tratamiento de condiciones neurológicas y psiquiátricas.