El COVID-19 fue una de las pandemias más mortales y la enfermedad que más rápido se propagó, debido a su alta transmisibilidad. La posibilidad de un diagnóstico erróneo causó varias consecuencias negativas al paciente infectado por COVID-19. Para abordar este problema, la tesis tiene como objetivo diseñar una arquitectura de red neuronal convolucional para el diagnóstico de COVID-19 mediante imágenes de rayos x. El método de desarrollo para la arquitectura es SEMMA; esto ayuda controlar mejor las etapas que se desarrollan. Asimismo, se realizó las pruebas con 753 imágenes rayos x para evaluar el rendimiento de la arquitectura entrenado usando varios parámetros de evaluación. Los resultados muestran que la arquitectura logra la mejor precisión de 90 %, exactitud del 91 % y sensibilidad del 93 %. En general, el modelo realiza un buen desempeño para detectar COVID-19.