La extensa investigación médica ha revelado evidencia de una fuerte asociación entre la atrofia del hipocampo y enfermedades relacionadas con la edad como la enfermedad de Alzheimer (EA). Por lo tanto, la segmentación del hipocampo es una tarea importante que puede ayudar a los clínicos e investigadores en el diagnóstico de deterioro cognitivo y en descubrir los mecanismos detrás de los cambios del hipocampo y las enfermedades del cerebro. El objetivo principal de este artículo fue proporcionar una comparación justa de arquitecturas basadas en convoluciones 2D y 3D para la tarea específica de segmentación del hipocampo a partir de volúmenes de resonancia magnética cerebral para determinar si los modelos de convolución 3D realmente funcionan mejor en la segmentación del hipocampo y también para evaluar cualquier costo adicional en términos de tiempo y recursos computacionales. Nuestro modelo optimizado, que utilizó 50 épocas y un tamaño de mini-lote de 2, logró la mejor pérdida de validación y Puntuación de Similitud de Dados (DSC) de 0.0129 y 0.8541, respectivamente, en todas las ejecuciones de experimentos. Basándonos en las comparaciones de modelos, concluimos que los modelos de convolución 2D pueden superar a sus contrapartes 3D en términos tanto de rendimiento de segmentación de hipocampo como de eficiencia de entrenamiento. Nuestra segmentación automática del hipocampo demostró un ahorro potencial de miles de horas de trabajo de los clínicos dedicadas a analizar y segmentar manualmente las resonancias magnéticas cerebrales.