Method and system of segmenting an image of an abdomen of a human into segments corresponding to fat compartments, comprising: identifying an abdominal wall segment, a visceral adipose tissue (VAT) segment and a subcutaneous adipose tissue (SAT) segment； detecting edges of the superficial SAT (SSAT) segment and the deep SAT (DSAT) segment to obtain edges coordinates in Cartesian coordinates； transforming the edges coordinates from Cartesian coordinates to polar coordinates to obtain a discontinuous boundary curve； determining a continuous boundary curve by interpolating missing points in the discontinuous boundary curve； transforming the continuous boundary curve from polar coordinates to Cartesian coordinates to obtain a transformed boundary curve； identifying the SSAT segment and the DSAT segment, wherein the SSAT segment is between the abdominal wall segment and the transformed boundary curve, and the DSAT segment is between the transformed boundary curve and the VAT segment. Also disclosed is a method of segmentation using deep learning.L'invention concerne un procédé et un système de segmentation d'une image d'un abdomen humain en segments correspondant à des compartiments de graisse, consistant à : identifier un segment de paroi abdominale, un segment de tissu adipeux viscéral (VAT) et un segment de tissu adipeux sous-cutané (SAT) ； détecter des bords du segment de SAT superficiel (SSAT) et du segment de SAT profond (DSAT) pour obtenir des coordonnées de bords en coordonnées cartésiennes ； transformer les coordonnées de bords de coordonnées cartésiennes en coordonnées polaires pour obtenir une courbe de limite discontinue ； déterminer une courbe de limite continue par interpolation de points manquants dans la courbe de limite discontinue ； transformer la courbe de limite continue de coordonnées polaires en coordonnées cartésiennes pour obtenir une courbe de limite transformée ； identifier le segment de SSAT et le segment de DSAT, le segment de SSAT se trouvant
