El objetivo de este estudio fue desarrollar un U-net capaz de generar modelos 3D altamente precisos de los huesos de la rodilla, en particular el fémur. Como parte del enfoque, se diseñó, entrenó y validó un U-net. Para lograr estos objetivos, se propuso una arquitectura novedosa, que incluye un diseño que reduce los parámetros del codificador e incorpora aprendizaje por transferencia, con el fin de mejorar el U-net de atención. Además, se añadió una capa de profundidad adicional para extraer información más relevante. Además, el modelo incluye una unidad clasificadora para reducir falsos positivos, así como una función de pérdida focal de Tversky, que es una función de pérdida innovadora. La arquitectura propuesta logró un coeficiente de Dice del 98.05. Al utilizar estas herramientas mejoradas, los médicos pueden visualizar y analizar las estructuras de la rodilla de manera más precisa, mejorar la efectividad de la intervención quirúrgica y mejorar la calidad de atención al paciente en general.