Los profesionales del cuidado de heridas proporcionan un diagnóstico y tratamiento adecuados con una fuerte dependencia de imágenes y documentación visual. La segmentación de los límites de las heridas en las imágenes es un componente clave del protocolo de atención y diagnóstico, ya que es importante estimar el área de la herida y proporcionar una medición cuantitativa para el tratamiento. Desafortunadamente, este proceso consume mucho tiempo y requiere un alto nivel de experiencia, de ahí la necesidad de métodos automáticos de medición de heridas. Recientemente, los métodos automáticos de segmentación de heridas basados en aprendizaje profundo han mostrado un rendimiento prometedor; sin embargo, dependen en gran medida de grandes conjuntos de datos de entrenamiento. Se han publicado algunos conjuntos de datos de imágenes de heridas, incluyendo el conjunto de datos del Desafío de Úlceras del Pie Diabético, el conjunto de datos de heridas Medetec y WoundDB. Los conjuntos de datos públicos existentes de imágenes de heridas sufren de un tamaño pequeño y una falta de anotación. Hay una necesidad de construir un conjunto de datos completamente anotado para evaluar los métodos de segmentación de heridas. Para abordar estos problemas, proponemos el Desafío de Segmentación de Úlceras del Pie (FUSeg), organizado en conjunto con la Conferencia Internacional de Computación de Imágenes Médicas e Intervención Asistida por Computadora (MICCAI) de 2021. Contiene 1210 imágenes de úlceras en los pies anotadas píxel a píxel, recopiladas durante 2 años de 889 pacientes. Los algoritmos presentados son revisados en este documento y el conjunto de datos se puede acceder a través del sitio web del Desafío de Segmentación de Úlceras del Pie.