Presentamos un método para utilizar algoritmos interactivos de segmentación de imágenes para reducir problemas específicos de segmentación de imágenes a la tarea de encontrar conjuntos pequeños de píxeles que identifiquen las regiones de interés. Para ello, demostramos empíricamente la viabilidad de generar automáticamente semillas para GrowCut, un popular algoritmo interactivo de segmentación de imágenes. La principal contribución de nuestro trabajo es la propuesta de un método para automatizar la generación de semillas para la tarea de segmentación del corazón completo en escáneres de resonancia magnética, que logra resultados no supervisados competitivos (0.76 Dice en el conjunto de datos MMWHS). Además, mostramos que el rendimiento de la segmentación es robusto ante semillas con precisión imperfecta, lo que sugiere que los algoritmos similares a GrowCut pueden aplicarse a tareas de imágenes médicas con poco esfuerzo de modelado.