En este trabajo se presenta una estrategia simple para la segmentación automática de tejidos en imágenes de resonancia magnética multiespectrales basada principalmente en clasificación por mínima distancia euclídea. A partir de un conjunto de imágenes 3D en las modalidades T1, T1 con contraste de gadolinio, T2 y FLAIR y de sus segmentaciones de referencia se obtienen descriptores para cada tipo de tejido a través del centroide de cada clase, que son utilizados para clasificar nuevas imágenes de entrada. La clasificación resultante es sometida a un postprocesamiento que permite eliminar puntos espurios y aislados de modo de obtener mallas de superficie cerradas y compactas. El algoritmo fue evaluado sobre una base de datos de imágenes de resonancia sintéticas de cerebros con tumores de alto y bajo grado, obteniendo segmentaciones de alta calidad para los principales tejidos cerebrales y resultados comparables con los de otras propuestas para la segmentación de tumor y edema.Sociedad Argentina de Informática e Investigación Operativa