Al momento de diagnosticar neumonía en un paciente por medio de una radiografía, suele estar presente un margen de error que puede dar lugar a un mal diagnóstico, por lo tanto, se deben considerar técnicas alternativas innovadoras para minimizar el margen de error. En este trabajo se presenta un modelo de deep learning, basado en reconocimiento de imágenes usando redes neuronales convolucionales, con radiografías de niños sanos y con neumonía, teniendo como fin la clasificación y detección de verdaderos positivos de neumonía. Las pruebas hechas arrojaron como resultados de que el modelo implementado logró más de un 90 % de precisión en la predicción. Además, también se mostró que, al reducir el tamaño de las imágenes, la disminución de la precisión no supera el 3 %, mientras que el ahorro en costo computacional es considerable, llegando a ser del orden de los miles de veces en algunos casos de disminución de tamaño de imágenes radiográficas.