Las imágenes de resonancia magnética funcional (fMRI) utilizan una serie de imágenes de resonancia magnética para mapear de forma no invasiva las áreas de actividad neuronal aumentada del cerebro humano. La baja relación señal a ruido (SNR) de las imágenes funcionales, hace necesario el uso de técnicas de procesamiento de imágenes específicas, para la detección de regiones correlacionadas con la respuesta a un estímulo determinado. En este artículo se presenta un método alternativo para segmentar regiones activadas en imágenes de fMRI. Se propone abordar el problema en dos etapas de clasificación, una no supervisada y una segunda etapa supervisada. El método propuesto utiliza máquinas de soporte vectorial (SVM) y difusión anisotrópica (DA) para la generación de patrones de entrenamiento, y SVM para la clasificación de regiones activadas. La aplicación del método propuesto permite incluir valiosa información con respecto a la interrelación entre las series temporales correspondientes a cada elemento de volumen (v oxel) en un espacio 3-D.