La segmentación semántica juega un papel crítico en el análisis de imágenes médicas, ofreciendo información indispensable para el diagnóstico y planificación del tratamiento de enfermedades hepáticas. Sin embargo, debido a la estructura anatómica compleja del hígado y a la variabilidad significativa entre pacientes, los métodos actuales presentan limitaciones notables en la extracción y fusión de características, lo que representa un desafío importante para lograr una segmentación precisa del hígado. Para abordar estos desafíos, este estudio propone un método mejorado de segmentación semántica del hígado basado en U-Net que mejora el rendimiento de la segmentación a través de la extracción y fusión optimizadas de características.