La segmentación de imágenes médicas ha ganado mayor atención en la última década, especialmente en el campo de la cirugía guiada por imágenes. Aquí, las herramientas de segmentación robustas, precisas y rápidas son importantes para la planificación y navegación. En este trabajo, exploramos enfoques basados en Redes Neuronales Convolucionales (CNN) para la segmentación de múltiples conjuntos de datos de exámenes de TC. Hipotetizamos que la selección de ciertos parámetros en el diseño de la arquitectura de la red influye críticamente en los resultados de la segmentación. Hemos empleado dos arquitecturas de CNN diferentes, 3D-UNet y VGG-16, dado que ambas redes son ampliamente aceptadas en el dominio médico para tareas de segmentación.