Systems and methods for automated segmentation of anatomical structures (e.g., heart). Convolutional neural networks (CNNs) may be employed to autonomously segment parts of an anatomical structure represented by image data, such as 3D MRI data. The CNN utilizes two paths, a contracting path and an expanding path. In at least some implementations, the expanding path includes fewer convolution operations than the contracting path. Systems and methods also autonomously calculate an image intensity threshold that differentiates blood from papillary and trabeculae muscles in the interior of an endocardium contour, and autonomously apply the image intensity threshold to define a contour or mask that describes the boundary of the papillary and trabeculae muscles. Systems and methods also calculate contours or masks delineating the endocardium and epicardium using the trained CNN model, and anatomically localize pathologies or functional characteristics of the myocardial muscle using the calculated contours or masks.La présente invention concerne des systèmes et des procédés de segmentation automatisée de structures anatomiques (par exemple un cœur). Des réseaux neuronaux convolutifs (CNN) peuvent servir à segmenter de façon autonome des parties d'une structure anatomique représentée par des données d'images, telles des données d'IRM en 3D. Le CNN utilise deux trajets, un trajet de contraction et un trajet d'expansion. Dans au moins certains modes de réalisation, le trajet d'expansion compte moins d'opérations de convolution que le trajet de contraction. Les systèmes et les procédés calculent de façon autonome un seuil d'intensité d'image qui différencie le sang provenant des muscles papillaires et trabéculaires à l'intérieur d'un contour de l'endocarde, puis appliquent de manière autonome le seuil d'intensité d'image de façon à définir un contour ou un masque qui décrit la limite des muscles papillaires et trabéculaires. De plus, les systèmes et les procédés calculent de
