El tracto gastrointestinal humano (GI) es una parte importante del cuerpo. Según la investigación de la Organización Mundial de la Salud (OMS), las infecciones del tracto gastrointestinal matan a 1.8 millones de personas cada año. En el año 2019, casi 5 millones de individuos fueron diagnosticados con enfermedades gastrointestinales. La radioterapia tiene el potencial de mejorar las tasas de curación en pacientes con cáncer de GI. Los oncólogos radioterapeutas dirigen haces de rayos X hacia el tumor evitando el estómago e intestinos. El objetivo actual es dirigir el haz de rayos X hacia la malignidad evitando el estómago e intestinos para mejorar la entrega de dosis al tumor. Este estudio ofreció una técnica para segmentar los órganos del tracto GI (intestino delgado, intestino grueso y estómago) para ayudar a los oncólogos radioterapeutas a tratar a los pacientes con cáncer de manera más rápida y precisa. El modelo sugerido es un modelo U-Net diseñado desde cero y utilizado para la segmentación de una pequeña cantidad de imágenes para extraer las características locales de manera más eficiente. Además, en el modelo propuesto, se emplearon seis modelos de aprendizaje por transferencia como la columna vertebral de la topología U-Net. Los seis modelos de aprendizaje por transferencia utilizados son Inception V3, SeResNet50, VGG19, DenseNet121, InceptionResNetV2 y EfficientNet B0. El modelo sugerido fue analizado con pérdida de modelo, coeficiente de dice e IoU. Los resultados especifican que el modelo sugerido supera a todos los modelos de aprendizaje por transferencia, con valores de parámetros de rendimiento de 0.122 de pérdida de modelo, 0.8854 de coeficiente de dice y 0.8819 de IoU.