A Úlcera de córnea é uma das doenças oculares mais frequentes e é definida como uma inflamação ou, até mesmo enfermidade ainda mais grave, como infecção. Mensurar adequadamente lesões de úlcera de córnea possibilita que os médicos possam avaliar adequadamente a efetividade do tratamento e auxiliar na tomada de decisões. O presente trabalho descreve o desenvolvimento de um método que tem como objetivo final segmentar automaticamente lesões de úlcera de córnea. Tal método faz uso da arquitetura de Rede Neural Convolucional (CNN) U-net e realiza o refinamento do modelo utilizando um método de ajuste-fino em duas etapas. O resultado proveniente do modelo usando a arquitetura U-net é então submetido a operações de pós-processamento: limiarização de Otsu; dilatações considerando o complemento da forma da lesão com o objetivo de preencher buracos e, por fim, fechamento. O modelo foi treinando usando 358 exemplos de imagens de córnea com a presença de úlceras do tipo Point-Like. Com base em testes realizados em 91 imagens de úlcera de córnea do tipo Flaky, foram calculadas métricas a fim de avaliar o desempenho do método, atingindo média de 0,823 de Coeficiente Dice, 88,9% para a métrica de Sensibilidade, 99,4% de Especificidade e Coeficiente Positivo Dice de 0,835.