La tecnología está cambiando el futuro de la atención médica, los procedimientos médicos no invasivos apoyados por la tecnología son más preferibles en el diagnóstico médico. La anemia es una de las enfermedades más extendidas que afectan el bienestar de las personas en todo el mundo, especialmente a mujeres en edad fértil y niños, y abordar este problema con la tecnología avanzada reducirá la prevalencia en gran medida. El objetivo de este trabajo es realizar la segmentación de la región de la conjuntiva para aplicaciones de detección de anemia no invasivas utilizando aprendizaje profundo. El Modelo de Segmentación de Conjuntiva Basado en U-Net (UNBCSM) propuesto utiliza una arquitectura U-Net afinada para una segmentación semántica efectiva de la conjuntiva a partir de imágenes digitales del ojo capturadas por cámaras de consumo en un entorno no controlado. La verdad terreno para este aprendizaje supervisado se dio como máscaras de Pascal obtenidas por la selección manual de píxeles de conjuntiva. Se realizó un aumento de imágenes y preprocesamiento para aumentar el tamaño de los datos y el rendimiento del modelo. UNBCSM mostró buenos resultados de segmentación y exhibió un valor comparable de la puntuación de Intersección sobre Unión (IoU) entre la verdad terreno y la máscara segmentada del 96% y 85.7% para entrenamiento y validación, respectivamente.