Los algoritmos de modelos de redes neuronales convolucionales (CNN) sobresalen por su capacidad de procesar imágenes médicas, detectando patrones que para el ojo humano son imperceptibles, pero estos algoritmos no muestran el proceso del diagnóstico generando desconfianza en su aplicación en el área médica, por tal motivo se han desarrollado técnicas de explicabilidad que buscan transparentar el proceso de decisión de estos algoritmos. El objetivo de este estudio es analizar las técnicas de explicabilidad visual que contribuyen a la transparencia de diagnósticos generados por imágenes biomédicas mediante CNN. Para ello, se desarrolló una revisión sistemática bajo la metodología PRISMA, considerando 40 estudios extraídos de bases de datos científicas como Scopus y ScienceDirect, tras aplicar criterios de inclusión y exclusión. La revisión se centró en tres aspectos p...