La evaluación de la microestructura del hueso cortical en la antropología biológica y forense puede ayudar en la estimación de la edad al fallecimiento y en la diferenciación entre animales y humanos, por ejemplo. Las estructuras osteonales dentro del hueso cortical son la característica clave bajo análisis, con la frecuencia de osteones y parámetros métricos proporcionando información crucial para la evaluación. Actualmente, la evaluación histomorfométrica consiste en un proceso manual que consume tiempo y requiere capacitación específica. Nuestro trabajo investiga la viabilidad del análisis automático de imágenes de microestructura ósea humana a través de la aplicación de aprendizaje profundo. En este artículo, utilizamos una arquitectura U-Net para abordar la segmentación semántica de tales imágenes en tres clases: osteones intactos, osteones fragmentarios y fondo. Se utilizó aumento de datos para evitar el sobreajuste. Evaluamos nuestro enfoque completamente automático utilizando una muestra de 99 microfotografías. Los contornos de los osteones intactos y fragmentarios fueron trazados manualmente para proporcionar la verdad de base. Los coeficientes de Dice fueron 0.73 para osteones intactos, 0.38 para osteones fragmentarios y 0.81 para el fondo, dando un promedio de 0.64. El coeficiente de Dice de la clasificación binaria osteón-fondo fue 0.82. Aunque se necesita un mayor refinamiento del modelo inicial y pruebas con conjuntos de datos más grandes, este estudio proporciona, hasta donde sabemos, la primera prueba de concepto para el uso de visión por computadora y aprendizaje profundo para diferenciar tanto osteones intactos como fragmentarios en el hueso cortical humano. Este enfoque tiene el potencial de ampliar y facilitar el uso de la evaluación histomorfométrica en las comunidades de antropología biológica y forense.